基於壓縮圖像恢復技術的毫米波波束空間信道估計
點擊上方「公眾號」可以訂閱哦！
基於壓縮圖像恢復技術的
毫米波波束空間信道估計
———— 楊傑 溫朝凱 金石 高飛飛
近期，我們的文章「基於壓縮圖像恢復技術的毫米波波束空間信道估計」被IEEE Transactions on Communications錄用。
論文鏈接見本帖底部
壹
研究背景
毫米波通信是第五代移動通信系統（5G）中的一項極有潛力的關鍵技術，毫米波通信具有大帶寬、高數據傳輸速率、強頻譜擴展能力和干擾抵抗能力等優勢。然而，毫米波頻段具有散射率低、路損和雨衰嚴重等問題，因此在毫米波通信中，需要將大規模天線陣列與高度定向性的波束傳輸相結合，用高波束增益彌補高功率損耗。因此在毫米波MIMO系統中，天線數量巨大，傳統LS、MMSE信道估計演算法並不適用。
面對這些問題，本文採用混合預編碼架構中的基於3D透鏡天線陣列的毫米波通信系統架構，如圖1所示。在3D 透鏡天線系統架構下，毫米波系統具有水平和垂直維度的解析度。由於透天線陣列響應由「sinc」 函數構成，因此具有能量匯聚特性。這種能量匯聚特性加上毫米波信道的稀疏性，為毫米波信道估計等問題的解決帶來了新的思路。本文主要針對基於壓縮圖像恢復技術的毫米波波束空間信道估計方法展開研究。
圖 1 基於3D透鏡天線陣列的毫米波通信系統架構
貳
主要貢獻
本文著重研究了壓縮圖像恢復技術在波束空間信道估計中的應用和改進，以及所提出的波束空間信道估計演算法在低功耗的移相器減少選擇網路中的性能分析。
貢獻 1
本文根據3D透鏡天線陣列的陣列響應，分析了透鏡天線陣列的匯聚性、波束空間信道矩陣的稀疏性和群聚性，如圖2所示。
圖 2 波束空間信道矩陣的稀疏性和群聚性示意圖
考慮波束空間信道矩陣中大部分相鄰元素差距甚微，與二維圖像具有相似屬性，本文首次將波束空間信道矩陣當作二維稀疏圖像來處理。因此，在信道估計中應用改進的壓縮圖像恢復演算法（SCAPMI），具體步驟如表1所示。
表 1 基於SCAMPI信道估計演算法的關鍵步驟
通過獲取信道元素之間的差距來增加信道估計的準確性，SCAPMI演算法比已有的OMP、SD等演算法更快更精確。模擬結果如圖3所示。
圖 3 信道矩陣服從均勻分布的SCAMPI 演算法
和SD 演算法、OMP 演算法的NMSE 性能比較
貢獻 2
為了進一步提高SCAPMI演算法的性能，基於圖4的觀察，本文將波束空間信道分布建模成generic Gaussian mixture（GM）概率分布。
圖 4 信道矩陣H中元素幅度分布分析
並且在SCAMPI演算法中植入expectation–maximization（EM）學習演算法，來學習GM概率分布中的未知參數。結果表明基於EM的SCAPMI信道估計演算法進一步提升了信道估計的精確性。模擬結果如圖5，6所示。
圖 5 信道矩陣服從稀疏高斯分布的
SCAMPI 演算法和SD 演算法的NMSE 性能比較
圖 6 信道矩陣服從稀疏高斯分布的
SCAMPI 演算法和AMP 演算法的NMSE 性能比較
圖6表明包含信道元素之間的差距信息的輔助變數d在提高信道估計精確性上起到了至關重要的作用。
貢獻 3
針對降低毫米波通信系統功耗的問題，本文創新性地將改進型SCAPMI信道估計演算法應用於一種移相器減少的選擇網路架構中，如圖7所示。
圖 7 傳統移相器網路（左）和移相器減少網路（右）
移相器減少的選擇網路架構是將傳統的1比特移相器選擇網路中部分移相器隨機斷開。這樣的操作不會改變選擇網路的隨機性，因此本文提出的基於EM的SCAPMI信道估計演算法依然適用。模擬結果如圖8所示，相比於整個選擇網路的功率下降10%，信道估計性能上的微小下降可以忽略不計。
圖 8 移相器減少的選擇網路和全移相器選擇網路下
EM-Gaussian-SCAMPI 演算法NMSE 性能比較
叄
文章總結
本文成功地實現了壓縮圖像處理演算法與無線通信問題的交叉融合，率先將圖像恢復演算法的思想改進並應用于波束空間信道估計中，並考慮了提出的信道估計演算法在降低系統功耗架構下的應用。通過計算複雜度分析、和速率和歸一化均方誤差的模擬，本文所述的基於壓縮圖像恢復技術的毫米波波速空間信道估計演算法具有顯著的性能優勢，為毫米波通信系統的研究提供了新的思路和方向。
論文鏈接：
https://ieeexplore.ieee.org/document/8290699/
AceLaboratory
公眾號ID：GoudenStoneSEU
關注
TAG:AceLaboratory |