[论文解读] Enhancing the Estimation of mm-Wave Large Array Channels by Exploiting Spatio-Temporal Correlation and Sparse Scattering

Saeid Haghighatshoar, Giuseppe Caire|arXiv (Cornell University)|Feb 9, 2016

Advanced MIMO Systems Optimization参考文献 13被引用 8

一句话总结

本文提出了一种新型基于压缩感知的毫米波大规模MIMO系统信道估计算法，通过利用过去导频符号的时域窗口，结合信道的空时相关性与角度稀疏性，估计包含当前信道向量的低维子空间。该方法在混合式数字-模拟波束成形架构下，显著提升了估计精度与干扰抑制能力，尤其在高多普勒与射频链路受限条件下优于传统单次测量技术。

ABSTRACT

In order to cope with the large path-loss exponent of mm-Wave channels, a high beamforming gain is needed. This can be achieved with small hardware complexity and high hardware power efficiency by Hybrid Digital-Analog (HDA) beamforming, where a very large number $M\gg 1$ of antenna array elements requires only a relatively small $m\ll M$ number of A/D converters and modulators/demodulators. As such, the estimation of mm-Wave MIMO channels must deal with two specific problems: 1) high Doppler, due to the large carrier frequency; 2) impossibility of observing directly the M-dimensional channel vector at the antenna array elements, due to the mentioned HDA implementation. In this paper, we consider a novel scheme inspired by recent results on gridless multiple measurement vectors problem in compressed sensing, that is able to exploit the inherent mm-Wave channel sparsity in the angular domain in order to cope with both the above problems simultaneously. Our scheme uses past pilot-symbol observations in a window of length $T$ in order to estimate a low-dimensional subspace that approximately contains the channel vector at the current time. This subspace information can be used directly, in order to separate users in the spatial domain, or indirectly, in order to improve the estimate of the user channel vector from the current pilot-symbol observation.

研究动机与目标

• 解决混合式数字-模拟（HDA）波束成形架构中高多普勒与射频链路受限观测的挑战。
• 克服因射频链路数量有限而无法直接观测完整M维信道向量的局限。
• 利用毫米波信道中固有的角度稀疏性与时间相关性，提升估计的鲁棒性。
• 设计一种适用于HDA实现的低复杂度算法，仅使用低维信号草图。
• 通过滑动窗口形式的过去训练符号，提升信道估计精度与空间干扰抑制能力。

提出的方法

• 利用T个过去导频符号的观测值，估计一个近似包含当前M维信道向量的低维子空间。
• 应用无网格多测量向量（MMV）压缩感知方法，以利用毫米波信道中的角度稀疏性与时间相关性。
• 采用采样矩阵B，从M个天线元素中随机选择子集，形成阵列信号的低维草图。
• 通过结构化优化问题估计信道子空间，该问题在协方差矩阵上施加了托普利茨（Toeplitz）与厄米特半正定约束。
• 将估计的子空间直接用于空间用户分离，或间接用于优化最新导频符号的当前信道估计。
• 实现一种与HDA波束成形兼容的低复杂度算法，避免对完整M维信号的采集。

实验结果

研究问题

• RQ1 利用滑动窗口形式的过去导频观测是否能提升高多普勒环境下毫米波信道估计的精度？
• RQ2 毫米波信道中的角度稀疏性在时变条件下在多大程度上可实现鲁棒的子空间估计？
• RQ3 与传统单次测量信道估计算法相比，所提方法在相关性与干扰抑制方面表现如何？
• RQ4 使用短时窗（如ν=50）的过去观测在信道估计质量与空间复用增益方面带来了多大性能增益？
• RQ5 所估计的子空间是否可在HDA波束成形系统中有效用于多用户干扰消除？

主要发现

• 所提方法在信道估计相关性方面取得显著提升，当多普勒较高（τ ≈ τc）时，CCDF的20log₁₀(1/η)相比单次测量方法降低高达10 dB。
• 在SNR = 0 dB且τc = 1000τ条件下，MMV方法在90%的情况下保持20log₁₀(1/η)低于6 dB，优于单次测量估计。
• 估计的子空间可实现有效的干扰抑制，归一化残差功率μ在各种SNR与相干时间范围内降低高达12 dB。
• 即使窗口长度ν = 50，该方法在广泛的信道相干时间与SNR水平下仍保持鲁棒性能。
• 该方法对时变信道具有鲁棒性，在仅存在p ≪ M个主导路径的真实毫米波散射条件下，仍能保持高估计精度。
• 通过随机选择天线实现的低维草图在保持估计精度的同时，实现了低复杂度的HDA系统实现。