[论文解读] Beamspace Channel Estimation for Millimeter-Wave Massive MIMO Systems with Lens Antenna Array

Linglong Dai, Xinyu Gao+3 more|arXiv (Cornell University)|Jul 18, 2016

Millimeter-Wave Propagation and Modeling参考文献 34被引用 12

一句话总结

该论文提出了一种基于可靠支持检测（SD）的波束域信道估计方案，适用于使用透镜天线阵列的毫米波大规模MIMO系统，利用波束域信道的稀疏性与结构特性，按顺序检测主导传播路径。与传统的OMP-based估计方法相比，该方法在低信噪比（SNR）条件下表现出更优的归一化均方误差（NMSE）性能，实现了高精度、低开销的信道获取，且所需射频链路数量极少。

ABSTRACT

By employing the lens antenna array, beamspace MIMO can utilize beam selection to reduce the number of required RF chains in mmWave massive MIMO systems without obvious performance loss. However, to achieve the capacityapproaching performance, beam selection requires the accurate information of beamspace channel of large size, which is challenging, especially when the number of RF chains is limited. To solve this problem, in this paper we propose a reliable support detection (SD)-based channel estimation scheme. Specifically, we propose to decompose the total beamspace channel estimation problem into a series of sub-problems, each of which only considers one sparse channel component. For each channel component, we first reliably detect its support by utilizing the structural characteristics of mmWave beamspace channel. Then, the influence of this channel component is removed from the total beamspace channel estimation problem. After the supports of all channel components have been detected, the nonzero elements of the sparse beamspace channel can be estimated with low pilot overhead. Simulation results show that the proposed SD-based channel estimation outperforms conventional schemes and enjoys satisfying accuracy, even in the low SNR region.

研究动机与目标

• 解决使用透镜天线阵列的毫米波大规模MIMO系统中高精度、低开销波束域信道估计的挑战。
• 通过利用波束域信道的稀疏性，减少所需射频链路数量，同时不牺牲频谱效率。
• 克服传统压缩感知方案在具有固定低分辨率波束的透镜阵列系统中的局限性。
• 开发一种在波束成形前典型的低SNR条件下仍保持高精度的信道估计方法。
• 通过最小化导频开销，可靠地估计稀疏波束域信道的支持集，实现高效的波束选择。

提出的方法

• 将总波束域信道估计分解为一系列子问题，每个子问题专注于一个主导信道分量。
• 利用毫米波波束域信道的结构特性，首先可靠地检测最强分量的支持（非零索引）。
• 在第3步和第8步中使用最小二乘（LS）估计来估计最强波束分量，并迭代地消除其影响。
• 从观测模型中移除已估计的信道分量，以隔离并检测后续迭代中的下一个最强分量。
• 采用一种支持检测策略，优先处理最强分量，相较于同时估计所有支持的迭代式CS方法，提升了准确性。
• 应用一种低复杂度算法，其计算复杂度与LS估计相当，呈O(LV²M + Card²(S_T)M)量级，其中L和V较小。

实验结果

研究问题

• RQ1 基于支持检测的方法是否能在基于透镜的毫米波大规模MIMO系统的波束域信道估计中优于传统压缩感知方法？
• RQ2 所提方法在毫米波系统中波束成形前常见的低SNR条件下，如何保持高精度？
• RQ3 通过利用波束域信道的结构特性，能在多大程度上减少导频开销，同时保持估计精度？
• RQ4 与压缩感知算法中联合估计相比，按顺序检测主导分量是否能提高支持恢复的可靠性？
• RQ5 所提方案是否能通过极少的射频链路和低导频开销，实现有效的波束选择？

主要发现

• 所提SD-based信道估计方法相比传统OMP-based估计，显著降低了归一化均方误差（NMSE），尤其在低SNR区域（例如低于15 dB）表现更优。
• 在10 dB上行链路SNR条件下，使用所提估计方法的IA波束选择，其和速率性能接近于使用256根射频链路和完美CSI的全数字ZF预编码器，尽管仅使用了16根射频链路。
• 该方法在导频开销有限的情况下仍保持高精度，如Q=96个导频符号（M=6个时隙）时，其性能优于相同条件下的OMP-based方案。
• 计算复杂度与LS估计相当，呈O(LV²M + Card²(S_T)M)量级，适用于实时实现。
• 基于最强分量的支持检测策略相比迭代式CS方法，提高了可靠性并减少了误差传播。
• 该方案有效利用了毫米波波束域信道的结构稀疏性，实现了低导频开销、低SNR鲁棒性的高精度估计。