[论文解读] A Simple DFT-aided Spatial Basis Expansion Model and Channel Estimation Strategy for TDD/FDD Massive MIMO Systems

Hongxiang Xie, Feifei Gao+2 more|arXiv (Cornell University)|Nov 16, 2015

Advanced MIMO Systems Optimization被引用 4

一句话总结

该论文提出了一种基于DFT的空域基扩展模型（SBEM），用于TDD/FDD大规模MIMO系统，通过利用角度互易性和ULA特性，降低了训练开销和反馈量。通过使用少量基于DFT的空域基向量表示信道，该方法实现了低复杂度、低导频开销的上行链路/下行链路信道估计，并缓解了导频污染问题；同时，一种贪婪用户调度方案通过最小化CSI反馈提升了频谱效率。

ABSTRACT

This paper proposes a new transmission strategy for the multiuser massive multiple-input multiple-output (MIMO) systems, including uplink/downlink channel estimation and user scheduling for data transmission. A discrete Fourier transform (DFT) aided spatial basis expansion model (SBEM) is first introduced to represent the uplink/downlink channels with much few parameter dimensions by exploiting angle reciprocity and the physical characteristics of the uniform linear array (ULA). With SBEM, both uplink and downlink channel estimation of multiuser can be carried out with very few amount of training resources, which significantly reduces the training overhead and feedback cost. Meanwhile, the pilot contamination problem in the uplink raining is immediately relieved by exploiting the spatial information of users. To enhance the spectral efficiency and to fully utilize the spatial resources, we also design a greedy user scheduling scheme during the data transmission period. Compared to existing low-rank models, the newly proposed SBEM offers an alternative for channel acquisition without need of channel statistics for both TDD and FDD systems based on the angle reciprocity. Moreover, the proposed method can be efficiently deployed by the fast Fourier transform (FFT). Various numerical results are provided to corroborate the proposed studies.

研究动机与目标

• 解决大规模MIMO系统中，尤其是在信道互易性不成立的FDD模式下，高训练开销和导频污染的问题。
• 通过利用空间稀疏性和物理阵列特性，降低多用户大规模MIMO系统中的反馈和训练资源需求。
• 开发一种适用于TDD和FDD系统的低复杂度、无需统计信道信息的信道估计方法，利用基于DFT的基向量。
• 通过基于空域正交性的贪婪用户调度方案，在数据传输期间提升频谱效率。
• 通过快速傅里叶变换（FFT）实现高效部署，无需信道协方差矩阵或复杂的压缩感知重构。

提出的方法

• 引入一种基于DFT的空域基扩展模型（SBEM），通过少量DFT波束表示信道向量，降低参数维度。
• 利用TDD中的角度互易性和物理ULA结构，使上行链路空间特征可用于FDD系统中的下行链路训练。
• 利用导向矢量的DFT生成固定、正交的空域基向量，以表征主要用户方向。
• 采用LS估计方法结合SBEM基向量，仅使用少量导频开销（例如L=32，而非M=128）进行信道估计。
• 设计一种贪婪用户调度算法，选择具有正交空间特征的用户同时传输，以最大化频谱效率。
• 通过FFT高效实现基向量计算和信道估计，避免高复杂度的EVD或压缩感知重构。

实验结果

研究问题

• RQ1 基于DFT的空域基模型是否能在不依赖信道统计特性的情况下，降低大规模MIMO系统中的训练开销？
• RQ2 所提出的SBEM在上行链路训练中如何缓解导频污染问题，同时保持估计精度？
• RQ3 SBEM在利用角度互易性的情况下，能在多大程度上同时适用于TDD和FDD系统？
• RQ4 在移动性和低SNR条件下，所提方法的频谱效率与传统LS方法及基于协方差的JSDM方法相比如何？
• RQ5 SBEM的FFT实现是否能在实际中实现低复杂度的信道估计和反馈开销降低？

主要发现

• 当训练开销较高或SNR较低时，所提SBEM的平均频谱效率（AASR）显著优于传统LS方法；在T=64且SNR=10 dB条件下，AASR提升超过30%。
• 在低SNR和短相干时间条件下，由于使用更少的导频导致噪声放大减少，SBEM优于LS方法。
• 在低SNR条件下，SBEM的误码率（BER）性能与JSDM相近，仅相差约0.5 dB，尽管SBEM无需信道协方差矩阵。
• 在用户移动性条件下，当统计角度扩展增加至20°时，SBEM保持稳定性能，而JSDM因协方差估计不准确而显著退化。
• 该方法将128端口大规模MIMO系统的训练开销从M=128降低至L=32，训练开销减少约75%。
• 固定DFT基向量的使用支持高效的FFT实现，避免了EVD或非线性压缩感知重构的需求。