基于K学习的Sub-6GHz辅助毫米波信道信息获取

发布时间：2021-11-17 00:47

　　毫米波通信是下一代蜂窝通信之类的大数据通信的可行方案。然而,因为毫米波频率具有极大的路径损耗,所以为了减轻毫米波路径损耗,混合模拟/数字波束成形可以作为一种技术来降低路径损耗。对于获得高波束源增益至关重要的是在发射机处获得准确的毫米波信道信息。该文着重讨论具有大规模MIMO阵列的毫米波通信系统中的信道状态信息获取问题。由于信道信息获取是一种开销很大的方法,因此该文考虑了一种开销低的精确信道估计方案。通过在子-6GHz处提取的支持信息来辅助毫米波信道信息的获取,将毫米波信道信息获取公式化为压缩感测问题,并使用广义近似消息传递（GAMP）算法获得信道信息。使用子-6GHz信道的支持分布信息扩展了GAMP算法。此外,基于K最近邻的思想,根据子-6GHz的支持分布信息重新设计GAMP算法。仿真结果表明,与现有的信道估计算法相比,该算法不仅可以提高估计精度还能降低导频开销。 

【文章来源】：电子科技大学学报. 2020,49(03)北大核心EICSCD

【文章页数】：6 页

【部分图文】：

Sub-6GHz系统和mmWave系统的结构

由图2可以看出：首先，由于矩阵W和F、Wm和F m满足近似酉矩阵特性，所以二者经过这种变换后不会改变信道的功率；其次，mmWave的支撑集位置信息和Sub-6GHz的支撑集位置信息是重合的，即supp(?m)?supp(?Sub-6)。Sub-6GHz提供了mmWave信道的支撑集分布信息，但是这个支撑集信息是粗略的，可以视为先验信息。下面介绍问题公式和如何利用K学习来更新先验信息。3 问题公式

由于非零元周围最多有4个相邻元素，所以k在1～4之间变化。如果非零元素周围满足式(17)，变量πi在第j次迭代为：非零元素的位置关系如图3b～图3e所示，非零元素周围的元素将会表现为如下两种关系：


本文编号：3499893