基于K学习的Sub-6GHz辅助毫米波信道信息获取
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.
广义近似信息流算法、K学习、大规模多输入多输出、毫米波、子-6GHz
49
TN92
国家自然科学基金61671128
2020-06-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
453-457,466