[논문 리뷰] Semi-Blind Channel Estimation and Hybrid Receiver Beamforming in the Tera-Hertz Multi-User Massive MIMO Uplink

Abhisha Garg, Suraj Srivastava외 3명|arXiv (Cornell University)|2026. 03. 23.

Millimeter-Wave Propagation and Modeling인용 수 0

한 줄 요약

이 논문은 THz MU-MIMO 업링크를 위한 MU whitening decorrelation semi-blind (MU-WD-SB) 채널 추정과 저해상도 ADC를 이용한 HITRAN 기반 THz 채널 모델링으로 파일럿 오버헤드를 줄이고 성능을 향상시키는 MMV-SBL 기반 하이브리드 리시버 컴바이너를 제안한다.

ABSTRACT

We develop a pragmatic multi-user (MU) massive multiple-input multiple-output (MIMO) channel model tailored to the THz band, encompassing factors such as molecular absorption, reflection losses and multipath diffused ray components. Next, we propose a novel semi-blind based channel state information (CSI) acquisition technique i.e. MU whitening decorrelation semi-blind (MU-WD-SB) that exploits the second order statistics corresponding to the unknown data symbols along with pilot vectors. A constrained Cramer-Rao Lower Bound (C-CRLB) is derived to bound the normalized mean square error (NMSE) performance of the proposed semi-blind learning technique. Our proposed scheme efficiently reduces the training overheads while enhancing the overall accuracy of the channel learning process. Furthermore, a novel hybrid receiver combiner framework is devised for MU THz massive MIMO systems, leveraging multiple measurement vector based sparse Bayesian learning (MMV-SBL) that relies on the estimated CSI acquired through our proposed semi-blind technique relying on low resolution analog-to-digital converters (ADCs). Finally, we propose an optimal hybrid combiner based on MMV-SBL, which directly reduces the MU interference. Extensive simulations are conducted to evaluate the performance gain of the proposed MU-WD-SB scheme over conventional training-based and other semi-blind learning techniques for a practical THz channel obtained from the high-resolution transmission (HITRAN) database. The metrics considered for quantifying the improvements include the NMSE, bit error rate (BER) and spectral-efficiency (SE).

연구 동기 및 목표

• 분자 흡수, 반사 손실 및 확산 경로를 포함하는 MU 대규모 MIMO THz 채널 모델을 실용적으로 개발한다.
• 파일럿과 함께 미지의 데이터 심볼의 2차 통계를 활용하는 semi-blind CSI 취득 기법(MU-WD-SB)을 도입한다.
• semi-blind 방법의 NMSE 성능을 상한하는 구속된 Cramér-Rao 하한(C-CRLB)을 도출한다.
• 저해상도 ADC를 이용한 추정된 CSI를 활용하는 MMV-SBL 기반의 하이브리드 수신기 컴바이너 프레임워크를 설계한다.
• HITRAN의 THz 채널 데이터를 사용하여 학습 기반 및 기타 semi-blind 방법에 비해 성능 향상을 평가하고 NMSE, BER 및 SE를 평가한다.

제안 방법

• MU THz 채널 모델을 LoS 및 NLoS 구성 요소와 THz 주파수에서의 ULA 배열 응답으로 형식화한다.
• 파일럿 기반 채널 추정과 무신호의 2차 통계를 결합한 MU-WD-SB semi-blind 채널 추정을 제안한다.
• MU-WD-SB 추정기의 NMSE를 상한하는 구속된 C-CRLB를 개발한다.
• 추정된 CSI를 사용하여 MU 간 간섭을 줄이기 위한 MMV-SBL 기반의 하이브리드 수신기 컴바이너를 도입한다.
• 하이브리드 트랜시버에서 저해상도 ADC를 사용하고 HITRAN 유래 THz 채널 조건에서 성능을 평가한다.

실험 결과

연구 질문

• RQ1 semi-blind 방법이 데이터 심볼과 파일럿을 활용하여 MU THz MIMO 채널 추정을 어떻게 개선할 수 있는가?
• RQ2 THz 채널 조건에서 제안된 MU-WD-SB 추정기의 NMSE 성능 상한은 무엇인가?
• RQ3 하이브리드 MMV-SBL 수신기 컴바이너가 semi-blind CSI를 어떻게 활용하여 저해상도 ADC에서 MU 간섭을 억제할 수 있는가?
• RQ4 현실적인 THz 채널에서 학습 기반 및 기타 semi-blind 접근법과 비교하여 BER 및 스펙트럴 효율에서 어떤 이득을 얻을 수 있는가?
• RQ5 HITRAN 기반 모델링이 THz 채널 추정 및 하이브리드 빔포밍 성능에 어떤 영향을 미치는가?

주요 결과

• MU-WD-SB는 데이터 심볼과 파일럿을 활용하고 낮은 학습 오버헤드로 기존 ML 학습 기반 방식에 비해 향상된 NMSE를 달성한다.
• 구속된 C-CRLB는 THz 채널 조건에서 제안된 semi-blind 추정기에 대한 성능 상한을 제공한다.
• MMV-SBL 기반 하이브리드 컴바이너는 저해상도 ADC에서 semi-blind CSI를 사용하여 MU 간섭을 효과적으로 감소시킨다.
• HITRAN 기반 THz 채널 데이터를 사용한 시뮬레이션은 제안된 semi-blind 프레임워크가 기준선에 비해 NMSE, BER 및 스펙트럴 효율을 향상시킴을 보인다.
• 본 연구는 분자 흡수 및 확산 경로를 포함하는 엔드-투-엔드 THz 채널 모델링을 보여주어 semi-blind 추정과 하이브리드 빔포밍의 실용적 평가를 용이하게 한다.