[論文レビュー] Enabling Large-Scale Channel Sounding for 6G: A Framework for Sparse Sampling and Multipath Component Extraction

Yi Chen, Li Ming+1 more|arXiv (Cornell University)|Feb 5, 2026

Advanced Wireless Communication Technologies被引用数 0

ひとこと要約

この論文は、疎サンプリングフレームワーク（Parabolic Frequency Sampling）と likelihood-rectified SAGE（LR-SAGE）アルゴリズムを導入し、6G ISACのための大規模な MHz–THz チャンネル測定を可能にする。高いデータ量の獲得を達成しつつ、測定時間と処理を削減。280–300 GHzでの実験検証は、MPCの精度を維持しつつ顕著な加速とデータ量削減を確認。

ABSTRACT

Realizing the 6G vision of artificial intelligence (AI) and integrated sensing and communication (ISAC) critically requires large-scale real-world channel datasets for channel modeling and data-driven AI models. However, traditional frequency-domain channel sounding methods suffer from low efficiency due to a prohibitive number of frequency points to avoid delay ambiguity. This paper proposes a novel channel sounding framework involving sparse nonuniform sampling along with a likelihood-rectified space-alternating generalized expectation-maximization (LR-SAGE) algorithm for multipath component extraction. This framework enables the acquisition of channel datasets that are tens or even hundreds of times larger within the same channel measurement duration, thereby providing the massive data required to harness the full potential of AI scaling laws. Specifically, we propose a Parabolic Frequency Sampling (PFS) strategy that non-uniformly distributes frequency points, effectively eliminating delay ambiguity while reducing sampling overhead by orders of magnitude. To efficiently extract multipath components (MPCs) from the channel data measured by PFS, we develop a LR-SAGE algorithm, rectifying the likelihood distortion caused by nonuniform sampling and molecular absorption effect. Simulation results and experimental validation at 280--300~GHz confirm that the proposed PFS and LR-SAGE algorithm not only achieve 50$\times$ faster measurement, a 98\% reduction in data volume and a 99.96\% reduction in post-processing computational complexity, but also successfully captures MPCs and channel characteristics consistent with traditional exhaustive measurements, demonstrating its potential as a fundamental enabler for constructing the massive ISAC datasets required by AI-native 6G systems.

研究の動機と目的

• 6G AIと sensing+communication の統合を進めるための現実世界の大規模ISACチャンネルデータセットの必要性を動機づける。
• 遅延曖昧性の原因となる従来の広帯域VNAベースのチャンネル測定の非効率性に対処する。
• 非均一周波数サンプリングと堅牢なMPC抽出を結合した完全な疎チャンネル測定フレームワークを開発する。

提案手法

• 周波数点を非等間隔に分布させ遅延曖昧性を排除するParabolic Frequency Sampling (PFS)を提案する。
• 非均一なサンプリングと分子吸収を考慮したLikelihood-rectified SAGE (LR-SAGE)を開発する。
• 道具を特定した分子吸収ゲインを持つ結合空間のチャネルをモデル化し、遅延推定のための単一路の尤度を導出する。
• 均一、コプライム、ネスト型サンプリング方式を分析し、それぞれの分解不能な遅延範囲と分子吸収下の歪みを定量化する。
• 280–300 GHzのTHzチャンネル測定テストベッドでフレームワークを検証し、大規模データ取得とMPC抽出性能を示す。

実験結果

リサーチクエスチョン

• RQ1 非均一周波数サンプリングはmmWave/THzチャンネル測定における遅延曖昧性とMPC抽出性にどう影響するか。
• RQ2 非均一サンプリングと分子吸収の下で、Likelihood rectified SAGEアプローチはMPCを正確に抽出できるか。
• RQ3 THzチャンネル測定において、疎サンプリングと従来の均一サンプリングの間でどの程度の加速とデータ量削減が実現できるか。
• RQ4 提案されたPFS/LR-SAGEフレームワークは exhaustive 測定と同等のMPCを再現できるか。
• RQ5 AIネイティブな6Gシステムのために、フレームワークはどのように大規模なISACデータセットの構築を支援できるか。

主な発見

• PFSは遅延曖昧性を排除し、均一サンプリングと比較してサンプリングオーバーヘッドを大幅に削減する。
• LR-SAGEは非均一サンプリングと分子吸収による尤度歪みを補正し、標準のSAGEやIDFTよりもMPC抽出を改善する。
• THz実験（280–300 GHz）は測定を50倍高速化し、データ量を98%削減、事後処理の複雑さを99.96%削減しつつMPCとチャネル特性を維持。
• フレームワークは同一測定時間内に tens to hundreds of times 大きなチャンネルデータセットの取得を可能にする。
• このアプローチは、AIネイティブな6Gシステムに必要な大規模ISACデータセットの構築を、データ収集の加速と計算負担の削減で支援する。