CN106487725A - 一种多用户mimo***毫米波信道估计方法 - Google Patents
一种多用户mimo***毫米波信道估计方法 Download PDFInfo
- Publication number
- CN106487725A CN106487725A CN201610915725.2A CN201610915725A CN106487725A CN 106487725 A CN106487725 A CN 106487725A CN 201610915725 A CN201610915725 A CN 201610915725A CN 106487725 A CN106487725 A CN 106487725A
- Authority
- CN
- China
- Prior art keywords
- matrix
- millimeter wave
- estimation
- channel
- wave channel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/0204—Channel estimation of multiple channels
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
- Radio Transmission System (AREA)
Abstract
本发明属于毫米波通信(millimeter wave communication)技术领域,特别涉及一种利用CANDECOMP/PARAFAC分解(CP分解)来联合估计多用户下行链路信道的方法。本发明通过新的分层导频传输方案,训练阶段包含一系列的帧,每个帧又被分为一些子帧,在每个子帧中,所有用户使用共同的波束赋形向量同时传输他们各自的导频信息。通过该方案,基站端接收的信号可以构造成一个三阶tensor,然后通过CP分解将其分解成一系列一阶tensor的线性组合,并通过分解后的参数矩阵估计信道。
Description
技术领域
本发明属于毫米波通信(millimeter wave communication)技术领域,特别涉及一种利用CANDECOMP/PARAFAC分解(CP分解)来联合估计多用户下行链路信道的方法。
背景技术
毫米波通信是未来5G网络中非常有前途的一项技术。通过利用毫米波频段中的大带宽,它甚至可以具有提供每秒千兆比特速率的潜力,因此引起了广泛的关注。但是,在如此高的频段中进行通信将会引起很高的信号衰减和吸收,为了补偿严重的路径损耗,基站端和用户端都需要使用大规模的天线阵列利用波束控制增加链路增益。但是准确的波束赋形预编码矩阵需要完整的信道状态信息(channel state information,CSI),这对于具有大规模天线和低信噪比的毫米波信道是一个巨大挑战,在多用户MIMO下这种情况会变得更加严重。
由于毫米波频段频率很好,空间散射性很差,信号几乎都是直线传播,现有的毫米波信道估计方法都是利用毫米波信道的稀疏散射特性来降低信道估计训练开销。此外根据信道的稀疏散射特性,很多基于压缩感知的方法也被引入来估计毫米波信道。此外,一种新的分层多分辨率波束赋形码本和自适应压缩感知方法也被提出来进行毫米波信道估计。但是现有的方法仍旧训练开销过大,训练耗时较长,并且有些算法还需要在基站端和用户端建立反馈信道,需要消耗更多资,。因此迫切需要提出一种新的毫米波信道估计方法。
本发明中,对多用户上行毫米波信道进行估计,也可利用TDD信道的互易性,进而得到下行链路毫米波信道的信道状态信息。本发明提出了一种新的分层导频传输方案,使基站端的接收信道构成一个三阶tensor,然后通过CP分解将其分解成一系列一阶tensor的线性组合,并通过分解后的参数矩阵估计信道。
发明内容
本发明的目的在于提供一种多用户MIMO***毫米波信道估计方法,并且能够提高估计精确度、降低计算复杂度。
本发明通过新的分层导频传输方案,训练阶段包含一系列的帧,每个帧又被分为一些子帧,在每个子帧中,所有用户使用共同的波束赋形向量同时传输他们各自的导频信息。通过该方案,基站端接收的信号可以构造成一个三阶tensor,然后通过CP分解将其分解成 一系列一阶tensor的线性组合,并通过分解后的参数矩阵估计信道。
为描述方便,下面对***模型进行介绍:
一个单基站(Base Station,BS)服务U个移动用户(Mobile Station,MS)的毫米波***,该***使用混合模拟和数字波束赋形结构,如图1所示。其中,BS端配备NBS个发射天线和MBS个射频(Radio Freqency,RF)链路,MS端配备NMS个发射天线和MMS个RF链路。这里假设MBS<NBS,MMS<NMS。假设毫米波信道中第u个用户与基站间共有Lu个散射簇,则第u个用户与基站间的信道可以表示为其中,αu,l为第u个用户的第l条路径的复增益。θu,l∈[0,2π],φu,l∈[0,2π]分别为到达方位角(azimuth angle of arrival,AoA)和离开方位角(azimuth angle of departure,AoD)。aBS(θu,l)和aMS(φu,l)分别为BS和MS的天线阵列响应向量。本发明假设为均匀线性阵列,则
其中,λ为信号波长,d为相邻天线间的距离。
考虑单层导频传输规划。假设训练阶段总共包括T个相邻帧,每个帧又被分为T'个子帧。在每个子帧t'=1,...,T'中,所有用户使用一个共同的波束赋形向量pt'同时传输他们各自的导频符号su,t。因此每个帧中,每个用户共使用T'波束赋形向量来发送导频。在BS端,发送信号同时被MS端的MMS个RF链的接收向量接收到。因此,第m个RF链在第t个帧的第t'个子帧接收到的信号为其中,wm,t,t'第m个RF链在第t个帧的第t'个子帧时的加性高斯白噪声。将信道带入后,可得 其中,αl=αu,l,θl=θu,l,φl=φu,l,
定义
P=[p1 … pT'],令为固定tensory中t之后的矩阵,因此可得其中,根据以上分析,tensory可以表示为以下一阶tensor的和:其中,“ο”表示矢量积。
定义
S=[s1 … sL],其中,su=[su,1 … su,T]T。则SL=SO,且其中,1l表示l维全1列向量。
将接收信号进行CP分解后分解成3阶tensor,通过对各阶进行估计,利用估计后的一阶tensor得到毫米波信道的估计值。
一种多用户MIMO***毫米波信道估计方法,具体步骤如下:
S1、设置初始参数μ,计算初始发射导频S;
S2、估计AQ、AP、SL,具体为:
S21、L已知时:
使用迭代最小二乘算法即可得到三个参数矩阵,其中,为固定tensory中t之后的矩阵,⊙表示Khatri-Rao积;
S22、L未知时:
通过使用迭代最小二乘算法即可对三个参数矩阵进行估计;
S3、对估计矩阵进行分解,即,令为估计得到的值,其与实际的AQ、AP、SL之间满足:
其中,Λ1、Λ2分别为与AQ、AP块结构相对应的非奇异对角矩阵,Λ3为非奇异对角阵,且Π为一置换矩阵,E1、E2、E2为别为三个参数矩阵的估计误差,由SL=SO,得 S均已知,且O为块对角阵,块中全为1,Λ3为对角阵,Π为置换矩阵,不考虑估计误差,得观察SS的结构,SS应为一个对块对角阵进行置换的矩阵,即可估计出O,Λ3,Π,从而得到Lu;
S4、利用估计毫米波信道:
由其中,E为由E1、E2引起的估计误差,令则其中, 表示Kronecker积,通过离散化连续参数空间到一个N1×N2的二位网格中,每个格点为设存在于网格上,则可得到其中,是一个过完备字典,共有N1×N2列,其第((i-1)N1+j)列为为αu补零得到的向量,通过使用压缩感知的方法,从而得到毫米波信道的准确估计。
本发明的有益效果在于:
通过CP分解,将接收信号分解成一系列一阶tensor的线性组合,并通过分解后的参数矩阵估计信道,大大降低了计算复杂度,相比于传统的毫米波估计方法,本发明具有更强的实际操作性。
附图说明
图1为BS和MS的混合预编码结构图。
图2为两种信道的AoA与AoD集合显示图。
图3为NMSE与SNR的关系图。
图4中a为NMSE与T的关系图,b为NMSE与MBS的关系图。
具体实施方式
下面结合附图对本发明做进一步详细说明。
仿真中,设该毫米波***基站使用NBS=64的均匀线性阵列天线,服务U=8个移动用 户,每个移动端使用NMS=32的均匀线性阵列天线,MMS=1个RF链,且相邻天线的距离为信号的半波长。毫米波信道各AoA与AoD分布在[0,2π]中,复增益αu,l为一随机变量,服从循环对称高斯分布αu,l~CN(0,NBSNMS/ρ),ρ=(4πDfc/c)2,D表示MS与BS间的距离,fc表示载频,c表示光速。假设D=50m,fc=28GHz。MS和BS间共有L=13个散射簇,Lu为1或者2。导频个数T分别为2,3,6,8。正则系数为μ=3×10-3。
一种多用户MIMO***毫米波信道估计方法,具体步骤如下:
S1、设置初始参数μ,计算初始发射导频S;
S2、估计AQ、AP、SL,具体为:
S21、L已知时:
使用迭代最小二乘算法即可得到三个参数矩阵,其中,为固定tensory中t之后的矩阵,⊙表示Khatri-Rao积;
S22、L未知时:
通过使用迭代最小二乘算法即可对三个参数矩阵进行估计;
S3、对估计矩阵进行分解,即,令为估计得到的值,其与实际的AQ、AP、SL之间满足:
其中,Λ1、Λ2分别为与AQ、AP块结构相对应的非奇异对角矩阵,Λ3为非奇异对角阵,且Π为一置换矩阵,E1、E2、E2为别为三个参数矩阵的估计误差,由SL=SO,得 S均已知,且O为块对角阵,块中全为1,Λ3为对角阵,Π为置换矩阵,不考虑估计误差,得观察SS的结构,SS应为一个对块对角阵进行置换的矩阵,例如SS第一行的系数即为Λ3中对角线上的第一个元素,观察第一行中各元素的位置可得置换矩阵的第一行中1的位置,依次类推,即可估计出O,Λ3,Π,从而得到Lu;
S4、利用估计毫米波信道:
由其中,E为由E1、E2引起的估计误差,令则其中, 表示Kronecker积,通过离散化连续参数空间到一个N1×N2的二位网格中,每个格点为设存在于网格上,则可得到其中,是一个过完备字典,共有N1×N2列,其第((i-1)N1+j)列为为αu补零得到的向量,通过使用压缩感知的方法,例如OMP算法即可估计出和αu,从而得到毫米波信道的准确估计。
下面将利用了降低PAPR的相关算法同本发明方法的算法性能对比分析,以进一步验 证本发明的性能。
采用两种衡量指标来度量算法的性能。一个是用来衡量毫米波信道的恢复准确性,叫做归一化均方误差(Normalized Mean Squared Error,简称NMSE);一个是用来衡量接收端信号强度,叫做信噪比(Signal-to-Noise Ratio,SNR)。NMSE的定义为
SNR的定义为
y与w分别表示接收信号与加性噪声。
仿真中采用两种随机毫米波信道,其AoA与AoD的关系如图2所示。图3分别为两种毫米波信道下采用CP分解的方法与普通的CS方法的NMSE随着SNR的变化情况。第一种CS算法将AoA-AoD空间离散化到64×32的格点上,第二种CS算法将AoA-AoD空间离散化到128×64的格点上。由于我们将毫米波信道分解成各个用户的信道分别进行估计,因此可以采用更多的格点。新算法采用将AoA-AoD空间离散化到256×128的格点上。从图3可以看出,新算法相比两种CS网格算法具有明显的优势,这主要是由于新算法使用的CP分解具有唯一性保证,并且具有更强的鲁棒性。图4分别为两种毫米波信道下采用CP分解的方法与普通的CS方法的NMSE随着T的变化情况。此时T'=16,MBS=16。从图4可以看出,当T>2时,新算法具有更好的信道估计性能。此外,当AoA/AoD充分分离开来时,AQ,AP各自的自相关变得更低,CP分解也可以以更高的精确度完成。总的来说,本发明相对其他算法可以大幅提高毫米波信道的估计精度,相比其他算法具有明显的性能优势。
综上所诉,本发明是基于CP分解的对多用户MIMO上行毫米波信道进行联合估计的算法,其将接收信号通过CP分解得到三个参数矩阵,通过迭代最小二乘算法对三个参数矩阵的估计后,将信道使用三个参数矩阵表示后,转化为CS格点法对信道进行估计。由于本发明将信道分解,对每个用户的信道进行分别估计,大幅提高了估计精度,相比其他算法具有更好的性能,同时由于CP分解的唯一性,使算法的鲁棒性更好。
Claims (1)
1.一种多用户MIMO***毫米波信道估计方法,其特征在于,具体步骤如下:
S1、设置初始参数μ,计算初始发射导频S;
S2、估计AQ、AP、SL,具体为:
S21、L已知时:
使用迭代最小二乘算法即可得到三个参数矩阵,其中,为固定tensory中t之后的矩阵,⊙表示Khatri-Rao积;
S22、L未知时:
通过使用迭代最小二乘算法即可对三个参数矩阵进行估计;
S3、对估计矩阵进行分解,即,令为估计得到的值,其与实际的AQ、AP、SL之间满足:
其中,Λ1、Λ2分别为与AQ、AP块结构相对应的非奇异对角矩阵,Λ3为非奇异对角阵,且Π为一置换矩阵,E1、E2、E2为别为三个参数矩阵的估计误差,由SL=SO,得 S均已知,且O为块对角阵,块中全为1,Λ3为对角阵,Π为置换矩阵,不考虑估计误差,得观察SS的结构,SS应为一个对块对角阵进行置换的矩阵,即可估计出O,Λ3,Π,从而得到Lu;
S4、利用估计毫米波信道:
由其中,E为由E1、E2引起的估计误差,令则其中, 表示Kronecker积,通过离散化连续参数空间到一个N1×N2的二位网格中,每个格点为设存在于网格上,则可得到其中,是一个过完备字典,共有N1×N2列,其第((i-1)N1+j)列为为αu补零得到的向量,通过使用压缩感知的方法,从而得到毫米波信道的准确估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610915725.2A CN106487725A (zh) | 2016-10-20 | 2016-10-20 | 一种多用户mimo***毫米波信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610915725.2A CN106487725A (zh) | 2016-10-20 | 2016-10-20 | 一种多用户mimo***毫米波信道估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106487725A true CN106487725A (zh) | 2017-03-08 |
Family
ID=58270972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610915725.2A Pending CN106487725A (zh) | 2016-10-20 | 2016-10-20 | 一种多用户mimo***毫米波信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106487725A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107645460A (zh) * | 2017-08-25 | 2018-01-30 | 长江大学 | 实值平行因子分解的多径参数估算方法 |
CN107743043A (zh) * | 2017-10-24 | 2018-02-27 | 电子科技大学 | 多用户毫米波***中基于带外空间信息的用户分组方法 |
CN107801149A (zh) * | 2017-08-25 | 2018-03-13 | 长江大学 | 实值平行因子分解的多径参数估算方法 |
CN108199751A (zh) * | 2017-12-29 | 2018-06-22 | 哈尔滨工程大学 | 一种mimo***下基于张量模型的波形生成方法和装置 |
CN109743268A (zh) * | 2018-12-06 | 2019-05-10 | 东南大学 | 基于深度神经网络的毫米波信道估计和压缩方法 |
CN109951404A (zh) * | 2019-01-29 | 2019-06-28 | 南京邮电大学 | 多天线面板结构的毫米波mimo信道估计方法 |
CN110380997A (zh) * | 2019-07-15 | 2019-10-25 | 南京邮电大学 | 基于自适应压缩感知的毫米波信道估计方法 |
CN110463147A (zh) * | 2017-03-31 | 2019-11-15 | 三菱电机株式会社 | 解码符号的方法以及接收并解码符号的接收器 |
CN110519188A (zh) * | 2019-08-20 | 2019-11-29 | 电子科技大学 | 一种基于压缩感知的多用户时变毫米波信道估计方法 |
CN110855585A (zh) * | 2019-09-30 | 2020-02-28 | 北京交通大学 | 一种毫米波大规模mimo***的信道估计方法 |
CN111786708A (zh) * | 2020-07-02 | 2020-10-16 | 电子科技大学 | 大规模mimo***的联合信道信息获取方法 |
CN112887250A (zh) * | 2021-01-12 | 2021-06-01 | 电子科技大学 | 一种基于张量分解的毫米波宽带mimo***的信道估计方法 |
CN113595944A (zh) * | 2021-07-30 | 2021-11-02 | 电子科技大学 | 一种用于毫米波mimo混合预编码***的信道估计方法 |
CN115021843A (zh) * | 2022-05-30 | 2022-09-06 | 东南大学 | 一种毫米波通信多用户***合作感知方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014054908A1 (en) * | 2012-10-05 | 2014-04-10 | Samsung Electronics Co., Ltd. | High-throughput beamforming mimo receiver for millimeter wave communication and method |
CN104052535A (zh) * | 2014-06-23 | 2014-09-17 | 东南大学 | 基于空分多址与干扰抑制的毫米波大规模mimo***多用户传输方法 |
CN105224507A (zh) * | 2015-09-29 | 2016-01-06 | 杭州天宽科技有限公司 | 一种基于张量分解的缺失关联规则挖掘方法 |
CN105553531A (zh) * | 2015-12-14 | 2016-05-04 | 北京邮电大学 | 毫米波***快速信道估计方法 |
-
2016
- 2016-10-20 CN CN201610915725.2A patent/CN106487725A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014054908A1 (en) * | 2012-10-05 | 2014-04-10 | Samsung Electronics Co., Ltd. | High-throughput beamforming mimo receiver for millimeter wave communication and method |
CN104052535A (zh) * | 2014-06-23 | 2014-09-17 | 东南大学 | 基于空分多址与干扰抑制的毫米波大规模mimo***多用户传输方法 |
CN105224507A (zh) * | 2015-09-29 | 2016-01-06 | 杭州天宽科技有限公司 | 一种基于张量分解的缺失关联规则挖掘方法 |
CN105553531A (zh) * | 2015-12-14 | 2016-05-04 | 北京邮电大学 | 毫米波***快速信道估计方法 |
Non-Patent Citations (1)
Title |
---|
ZHOUZHOU等: "Channel Estimation for Millimeter-Wave Multiuser MIMO System via PARAFAC Decomposition", 《HTTPS://IEEEXPLORE.IEEE.ORG/DOCUMENT/7556337》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110463147B (zh) * | 2017-03-31 | 2021-12-14 | 三菱电机株式会社 | 解码符号的方法以及接收并解码符号的接收器 |
CN110463147A (zh) * | 2017-03-31 | 2019-11-15 | 三菱电机株式会社 | 解码符号的方法以及接收并解码符号的接收器 |
CN107801149B (zh) * | 2017-08-25 | 2020-02-18 | 长江大学 | 实值平行因子分解的多径参数估算方法 |
CN107801149A (zh) * | 2017-08-25 | 2018-03-13 | 长江大学 | 实值平行因子分解的多径参数估算方法 |
CN107645460A (zh) * | 2017-08-25 | 2018-01-30 | 长江大学 | 实值平行因子分解的多径参数估算方法 |
CN107743043A (zh) * | 2017-10-24 | 2018-02-27 | 电子科技大学 | 多用户毫米波***中基于带外空间信息的用户分组方法 |
CN107743043B (zh) * | 2017-10-24 | 2020-07-10 | 电子科技大学 | 多用户毫米波***中基于带外空间信息的用户分组方法 |
CN108199751A (zh) * | 2017-12-29 | 2018-06-22 | 哈尔滨工程大学 | 一种mimo***下基于张量模型的波形生成方法和装置 |
CN108199751B (zh) * | 2017-12-29 | 2020-05-19 | 哈尔滨工程大学 | 一种mimo***下基于张量模型的波形生成方法和装置 |
CN109743268A (zh) * | 2018-12-06 | 2019-05-10 | 东南大学 | 基于深度神经网络的毫米波信道估计和压缩方法 |
CN109743268B (zh) * | 2018-12-06 | 2022-02-15 | 东南大学 | 基于深度神经网络的毫米波信道估计和压缩方法 |
CN109951404A (zh) * | 2019-01-29 | 2019-06-28 | 南京邮电大学 | 多天线面板结构的毫米波mimo信道估计方法 |
CN109951404B (zh) * | 2019-01-29 | 2021-11-16 | 南京邮电大学 | 多天线面板结构的毫米波mimo信道估计方法 |
CN110380997A (zh) * | 2019-07-15 | 2019-10-25 | 南京邮电大学 | 基于自适应压缩感知的毫米波信道估计方法 |
CN110519188A (zh) * | 2019-08-20 | 2019-11-29 | 电子科技大学 | 一种基于压缩感知的多用户时变毫米波信道估计方法 |
CN110519188B (zh) * | 2019-08-20 | 2021-04-13 | 电子科技大学 | 一种基于压缩感知的多用户时变毫米波信道估计方法 |
CN110855585A (zh) * | 2019-09-30 | 2020-02-28 | 北京交通大学 | 一种毫米波大规模mimo***的信道估计方法 |
CN111786708A (zh) * | 2020-07-02 | 2020-10-16 | 电子科技大学 | 大规模mimo***的联合信道信息获取方法 |
CN112887250A (zh) * | 2021-01-12 | 2021-06-01 | 电子科技大学 | 一种基于张量分解的毫米波宽带mimo***的信道估计方法 |
CN113595944A (zh) * | 2021-07-30 | 2021-11-02 | 电子科技大学 | 一种用于毫米波mimo混合预编码***的信道估计方法 |
CN115021843A (zh) * | 2022-05-30 | 2022-09-06 | 东南大学 | 一种毫米波通信多用户***合作感知方法 |
CN115021843B (zh) * | 2022-05-30 | 2024-01-26 | 东南大学 | 一种毫米波通信多用户***合作感知方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106487725A (zh) | 一种多用户mimo***毫米波信道估计方法 | |
Li et al. | A novel ISAC transmission framework based on spatially-spread orthogonal time frequency space modulation | |
Zhou et al. | Successive localization and beamforming in 5G mmWave MIMO communication systems | |
CN106559367B (zh) | 基于低秩张量分解的mimo-ofdm***毫米波信道估计方法 | |
Jiang et al. | A framework for over-the-air reciprocity calibration for TDD massive MIMO systems | |
Zhao et al. | A tone-based AoA estimation and multiuser precoding for millimeter wave massive MIMO | |
CN107135024A (zh) | 一种低复杂度的混合波束赋形迭代设计方法 | |
CN105656819A (zh) | 一种基于压缩感知和大规模mimo的自适应信道估计方法 | |
da Silva et al. | 1-bit phase shifters for large-antenna full-duplex mmWave communications | |
Mishra et al. | Sparse Bayesian learning-based channel estimation in millimeter wave hybrid MIMO systems | |
Jaeckel | Quasi-deterministic channel modeling and experimental validation in cooperative and massive MIMO deployment topologies | |
CN101860385B (zh) | 一种多输入多输出无线通信***的信道建模方法 | |
CN109412983A (zh) | 一种基于dft域的无网格化大规模mimo信道估计算法 | |
CN107566305A (zh) | 一种低复杂度的毫米波***信道估计方法 | |
Wang et al. | ARM: Adaptive random-selected multi-beamforming estimation scheme for satellite-based Internet of Things | |
KR20210128841A (ko) | Mimo를 지원하는 무선 통신 시스템에서 채널 추정 방법 및 장치 | |
Kim et al. | Efficient channel probing and phase shift control for mmWave reconfigurable intelligent surface-aided communications | |
Dreifuerst et al. | Machine learning codebook design for initial access and CSI type-II feedback in sub-6GHz 5G NR | |
Shen et al. | Federated learning enabled channel estimation for RIS-aided multi-user wireless systems | |
CN108828505A (zh) | 基于机器学习的到达角估计算法研究及应用 | |
CN107070818A (zh) | 基于毫米波mimo***的多普勒频偏估计方法及装置 | |
CN103973409A (zh) | 预编码装置和包含该预编码装置的发射机 | |
Upadhya et al. | Tracking abruptly changing channels in mmWave systems using overlaid data and training | |
Zhao et al. | Multiuser precoding and channel estimation for hybrid millimeter wave MIMO systems | |
CN111277313B (zh) | 基于二分图的蜂窝车联网大规模mimo波束选择与传输方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170308 |