[论文解读] Low-Rank Spatial Channel Estimation for Millimeter Wave Cellular Systems

Parisa Amiri Eliasi, Sundeep Rangan+1 more|arXiv (Cornell University)|Oct 17, 2014

Millimeter-Wave Propagation and Modeling参考文献 30被引用 7

一句话总结

本文提出了一种基于凸优化的方法，用于在使用有限模拟波 beamforming 测量的毫米波（mmWave）蜂窝系统中估计低秩空间信道协方差。通过利用 mmWave 信道固有的低秩结构，该方法将空间协方差估计建模为带有低秩约束的矩阵补全问题，从而能够从高维阵列中的少量功率测量中实现准确且高效的估计。

ABSTRACT

The tremendous bandwidth available in the millimeter wave (mmW) frequencies between 30 and 300 GHz have made these bands an attractive candidate for next-generation cellular systems. However, reliable communication at these frequencies depends extensively on beamforming with very high-dimensional antenna arrays. Estimating the channel sufficiently accurately to perform beamforming can thus be challenging both due to low coherence time and large number of antennas. Also, the measurements used for channel estimation may need to be made with analog beamforming where the receiver can "look" in only direction at a time. This work presents a novel method for estimation of the receive-side spatial covariance matrix of a channel from a sequence of power measurements made at different angular directions. The method reduces the spatial covariance estimation to a matrix completion optimization problem. To reduce the number of measurements, the optimization can incorporate the low-rank constraints in the channels that are typical in the mmW setting. The optimization is convex and fast, iterative methods are presented to solving the problem. Simulations are presented for both single and multi-path channels using channel models derived from real measurements in New York City at 28 GHz.

研究动机与目标

• 解决在有限反馈和模拟波 beamforming 条件下，mmWave 系统中高维空间协方差矩阵估计的挑战。
• 克服模拟波 beamforming 的局限性，即一次只能测量一个角度方向。
• 利用 mmWave 信道的低秩特性——这在纽约市等城市环境中普遍存在——以减少所需测量数量。
• 开发一种包含低秩约束的凸优化框架，以提高估计精度并降低计算复杂度。
• 通过从稀疏的、基于功率的测量中准确估计空间信道统计特性，实现高效的长期 beamforming。

提出的方法

• 将空间协方差矩阵估计建模为利用模拟波 beamformers 的功率测量结果的矩阵补全问题。
• 采用带有对数行列式和平方误差目标函数的凸优化框架，以在估计精度和稳定性之间取得平衡。
• 通过结构化参数化方式引入低秩约束：$\mathbf{Q} = \sum_{\ell=1}^{L} q_\ell \mathbf{u}_\ell \mathbf{u}_\ell^* + q_0 \mathbf{I}$，其中 $\mathbf{u}_\ell$ 为导向矢量。
• 将问题重新表述为变换变量 $\mathbf{z} = \mathbf{A} \mathbf{q}$ 的形式，从而可通过迭代方法高效求解。
• 采用交替方向乘子法（ADMM）算法，以高效求解凸优化问题。
• 证明最优解位于低秩结构集合 $\mathbf{G}$ 内，确保该方法保持 mmWave 信道的物理低秩特性。

实验结果

研究问题

• RQ1 能否仅通过少量模拟波 beamforming 功率测量，准确估计 mmWave 系统中的空间协方差矩阵？
• RQ2 在 mmWave 信道估计中，引入低秩约束如何提升估计精度并减少测量需求？
• RQ3 与传统方法相比，所提出的凸优化方法在低信噪比或稀疏测量场景下的性能增益如何？
• RQ4 在城市 mmWave 环境中，由于遮挡或移动导致的信道变化，该方法的鲁棒性如何？
• RQ5 该方法是否能通过适用于实时实现的迭代算法在实际中高效求解？

主要发现

• 所提方法利用 mmWave 信道的低秩结构，显著减少了达到准确空间协方差估计所需的测量数量，远低于阵列的完整维度。
• 使用真实 28 GHz 纽约市测量数据的仿真结果表明，该方法在仅使用 10–20 次波束训练序列时仍表现优异，性能接近最优。
• 该方法在真实 mmWave 条件下保持了高精度，包括具有聚集延迟-多普勒分布的单径和多径散射环境。
• 凸优化框架确保了全局收敛性和稳定性，迭代求解器在数十次迭代内即实现实际收敛。
• 理论分析证明最优解位于低秩结构集合内，验证了该方法的物理一致性。
• 该方法通过利用 mmWave 信道通常为秩 3 或秩 4 的事实，显著减少了所需测量数量，远低于接收天线数量。