[논문 리뷰] Hybrid-Field Channel Estimation for XL-MIMO Systems: Dictionary-based Sparse Signal Recovery

David William Marques Guerra, Taufik Abrao|arXiv (Cornell University)|2026. 02. 03.

Direction-of-Arrival Estimation Techniques인용 수 0

한 줄 요약

논문은 사전 sparsity나 NF/FF 분할 지식 없이도 혼합-필드 XL-MIMO 채널을 추정하는 epsilon-OMP-SSIGW 방법을 제시하며, 복잡도 감소로 정확한 HF 채널 재구성이 가능하다.

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

연구 동기 및 목표

• 초근거리/근거리 필드 구성요소가 공존하는 XL-MIMO에서 하이브리드-필드 전파를 동기화하고 모델링한다.
• FF와 NF 구성요소를 함께 다루는 희소성 기반 채널 추정 프레임워크를 개발한다.
• HF-XL-MIMO CE에서 총 희소도 L과 NF/FF 분할 감마에 대한 사전 지식 의존성을 제거한다.
• 추정 정확도를 개선하기 위한 저복잡도 그리드 없는 정제 방법을 제공한다.

제안 방법

• HF 채널을 FF/NF 결합 딕셔너리 위의 희소 벡터로 형식화한다.
• epsilon-OMP 탐욕 선택을 사용하여 FF 및 NF 도메인에서 활성 딕셔너리를 구축한다.
• 선택된 각 원자에 대해 점진적 단일 열 최소 자승 이득 업데이트를 적용한다.
• SSIGW(gridless) FF/NF 파라미터를 Armijo 역추적과 함께 스칼라 그래디언트로 정제한다.
• L이나 gamma를 입력으로 필요로 하지 않는 잔차 기반 규칙으로 반복을 중지한다.
• LoS 및 NLoS 조건에서 최신 HF 추정기와 비교하여 성능을 평가한다.

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.

실험 결과

연구 질문

• RQ1 희소도 L이나 NF/FF 비율 gamma에 대한 사전 지식 없이 HF 채널 추정이 XL-MIMO에서 수행될 수 있는가?
• RQ2 간단한 잔차 정지 규칙을 갖춘 FF/NF 결합 딕셔너리가 XL-MIMO HF 시나리오에서 정확한 채널 재구성이 가능한가?
• RQ3 제안된 epsilon-OMP-SSIGW 접근법이 기존 HF 추정기들과 비교하여 우수한 정확도-복잡도 트레이드를 제공하는가?
• RQ4 FF/NF 표현의 노이즈 분산 변화 및 격자 불일치에 대한 방법의 강건성은 어떠한가?

주요 결과

• 제안된 추정기가 광범위한 SNR 범위에서 벤치마크 중 가장 낮은 NMSE를 달성한다.
• SSIGW 정제를 도입하면 NMSE 이득이 추가로 생기고 NLoS 및 혼합 LoS/NLoS에서도 최상의 성능을 보인다.
• 노이즈 분산이 잘못 추정될 때도 방법은 강건하며, mild deviation에서 NMSE 손실은 최대한 작다.
• 복잡도 면에서 우수하며, 각 반복에서의 업데이트가 반복적인 의사역수 역수를 피하고 스칼라 정제에 의존한다.
• L 입력 없이도 효과적 경로 수 L_est를 자동으로 결정하고 SNR 수준에 관계없이 일관되게 동작한다.

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 $\epsilon$ .