[論文レビュー] Hybrid-Field Channel Estimation for XL-MIMO Systems: Dictionary-based Sparse Signal Recovery

David William Marques Guerra, Taufik Abrao|arXiv (Cornell University)|Feb 3, 2026

Direction-of-Arrival Estimation Techniques被引用数 0

ひとこと要約

論文は、先行の疎性や NF/FF 分割知識を必要とせず、ハイブリッド場 XL-MIMO チャンネルを推定する epsilon-OMP-SSIGW 法を提案し、複雑さを低減しつつ HF チャンネル再構成を高精度に達成することを示す。

ABSTRACT

Extremely large-scale multiple-input multiple-output (XL-MIMO) systems are a key technology for future wireless networks, but the large array aperture naturally creates a hybrid-field (HF) propagation regime in which far-field (FF) planar-wave and near-field (NF) spherical-wave components coexist. This work considers the problem of HF channel estimation (CE) and introduces a unified model that superimposes FF and NF contributions according to the Rayleigh distance boundary. By exploiting the inherent sparsity of the channel in the angular and polar domains, we formulate the estimation task as a sparse recovery problem. Unlike conventional approaches that require prior knowledge of the channel sparsity level, the proposed method operates without requiring knowledge of the sparsity level L and the NF/FF ratio γ, which are used only for synthetic channel generation in simulations. The channel estimator determines the number of paths adaptively through a residual-based stopping rule. A combined FF/NF dictionary is employed to initialize the support, and each selected atom undergoes continuous parameter refinement to mitigate grid mismatch. Simulation results demonstrate that the proposed estimator achieves accurate HF channel reconstruction under both line-of-sight (LoS) and non-line-of-sight (NLoS) conditions, offering a practical and computationally efficient solution for XL-MIMO systems. Extremely Large-Scale MIMO (XL-MIMO); Channel State Information (CSI); Channel estimation (CE); hybrid-field (HF) wave propagation; near-field (NF) spherical wave model; far-field (FF) planar wave model

研究の動機と目的

• XL-MIMO で近接場と遠方場成分が共存するハイブリッド場伝播を動機づけ、モデル化する。
• FF および NF 成分を共同に扱う疎性ベースのチャンネル推定フレームワークを開発する。
• HF-XL-MIMO CE において総疎性 L および NF/FF 分割 gamma の事前知識への依存を排除する。
• 推定精度を向上させる低計算量のグリッドレスな細化法を提供する。

提案手法

• HF チャンネルを FF/NF 組み合わせ辞書の疎ベクトルとして定式化する。
• epsilon-OMP の貪欲選択を用いて FF および NF ドメインでアクティブ辞書を構築する。
• 選択されたアトムごとに逐次的な単一列最小二乗ゲイン更新を適用する。
• Armijo 後退探索を用いたスカラー勾配による FF/NF パラメータの SSIGW（グリッドレス） Refinement を実施する。
• 残差に基づく停止条件で繰り返しを停止し、L や gamma を入力量として必要としない。
• LoS および NLoS 条件下で最先端の HF 推定器と比較して性能を評価する。

Figure 1 : NMSE and runtime of LS, MMSE, FF-OMP, HF-OMP variants, SD-OMP, HF SGP with $\gamma$ , HF SGP without $\gamma$ , and the proposed $\epsilon$ -OMP-SSIGW for (a) NLoS, (b) mixed LoS/NLoS, and (c)–(d) runtime results.

実験結果

リサーチクエスチョン

• RQ1 HF チャンネル推定を、事前の疎性レベル L や NF/FF 比 gamma の知識なしで行えるか。
• RQ2 単純な残差停止条件を持つ combined FF/NF 辞書は XL-MIMO HF シナリオで正確なチャネル再構成をもたらすか。
• RQ3 提案する epsilon-OMP-SSIGW アプローチは既存の HF 推定器と比較して精度–複雑さのトレードオフに優れているか。
• RQ4 FF/NF 表現のノイズ分散の変動やグリッド不一致に対して方法はどれくらい頑健か。

主な発見

• 提案推定器は広い SNR 範囲でベンチマークの中で最も低い NMSE を達成する。
• SSIGW Refinement を組み込むと NMSE に追加の向上が得られ、NLoS および混合 LoS/NLoS の条件下でも最良の性能を示す。
• ノイズ分散が過小評価・過大評価されても堅牢で、 mild なずれの下で NMSE の損失は最小限に留まる。
• 計算量は優位で、各反復での更新は繰り返しの疑似逆行列計算を回避し、スカラーによる Refinement に依拠する。
• 推定器は L を入力として必要とせず、SNR レベルに関係なく実効的なパス数 L_est を自動的に決定する。

Figure 2 : (a) Complexity results based on Table II ; (b) NMSE and the resulting $L_{\rm est}$ (mean iteration count of the $\epsilon$ -OMP-SSIGW) for different values of $\epsilon$ .