[论文解读] Parametric Channel Estimation for LoS Dominated Holographic Massive MIMO Systems

Mojtaba Ghermezcheshmeh, Vahid Jamali+2 more|arXiv (Cornell University)|Dec 6, 2021

Antenna Design and Analysis被引用 4

一句话总结

本文提出了一种针对毫米波和太赫兹频段中以视 Line-of-Sight（LoS）为主的全息大规模 MIMO 系统的参数化信道估计算法，利用物理波束结构（建模为两个 sinc 函数）仅估计每个孔径单元的两个关键参数。该方法在训练开销和计算复杂度较低的情况下实现了高精度，显著优于基准方案，尤其在低散射环境中表现优异，尤其在高信噪比下，仅需五个导频信号即可实现 MSE ≤ 10⁻⁶。

ABSTRACT

Holographic massive multiple-input multiple-output (MIMO), in which a spatially continuous surface is being used for signal transmission and reception, have emerged as a promising solution for improving the coverage and data rate of wireless communication systems. To realize these objectives, the acquisition of accurate channel state information in holographic massive MIMO systems is crucial. In this paper, we propose a channel estimation scheme based on a parametric physical channel model for line-of-sight (LoS) dominated communication in millimeter and terahertz wave bands. The proposed channel estimation scheme exploits the specific structure of the radiated beams generated by the continuous surface to estimate the channel parameters in a dominated LoS channel model. The training overhead and computational complexity of the proposed scheme do not scale with the number of antennas. The simulation results demonstrate that the proposed estimation scheme significantly outperforms other benchmark schemes in poor scattering environment.

研究动机与目标

• 解决传统全息大规模 MIMO 系统中因大量移相元件导致的高训练开销与计算复杂度问题。
• 在路径损耗与遮挡为主要挑战的 LoS 主导型毫米波与太赫兹频段中，实现精确的信道状态信息（CSI）获取。
• 利用连续孔径辐射波束的固有物理结构，减少需估计的参数数量。
• 实现不随天线数量增长的低训练开销与计算复杂度。
• 在散射条件较差的环境下，展示对基准方案（尤其是分层与压缩感知方法）的优越性能。

提出的方法

• 基于路径参数（AoA、AoD 与复增益）的参数化物理模型，对全息大规模 MIMO 信道进行建模，分别考虑 LoS 与 NLoS 分量。
• 在远场条件下，信道通过阵列因子推导出的两个 sinc 函数进行建模，表示连续孔径的波束成形模式。
• 在近场操作中，将孔径划分为多个单元，每个单元的信道建模为 LoS 与 NLoS 分量的叠加，参数局部化。
• 利用基于最小二乘法的算法，仅估计每个单元的两个参数（如主导路径的 AoA 与 AoD），并利用 sinc 波束结构特性。
• 采用两阶段导频训练方案：首先粗略估计波束方向，随后通过波束成形匹配进行精化。
• 利用连续孔径辐射波束具有已知函数形式（角度域为 sinc 函数）的特性，实现高效参数估计，而无需完整 CSI 恢复。

实验结果

研究问题

• RQ1 基于物理波束结构的参数化信道模型是否能降低全息大规模 MIMO 系统中的训练开销？
• RQ2 在 LoS 主导的毫米波/太赫兹环境中，所提方案的估计精度与分层法及基于压缩感知的方法相比如何？
• RQ3 在高信噪比下，为实现目标 MSE，所提方案所需的最小导频信号数量是多少？
• RQ4 当移相元件数量增加时，所提方法是否仍能保持低复杂度？
• RQ5 当 NLoS 分量功率与 LoS 分量相当的情况下，该方案的性能退化程度如何？

主要发现

• 所提方案在低散射环境（NLoS 分量较弱）下，与分层法及压缩感知基准相比，显著降低了 MSE。
• 当 NLoS 路径功率较低时，即使导频数量有限，所提方案对 LoS 路径参数（α₁, α₂）的估计精度也高于基准方案。
• 在高信噪比（≥ -5 dBm）下，所提方案仅需五个导频信号即可实现 MSE 为 10⁻⁶，优于所有基准方案。
• 所提方案的收敛性在约 23 个导频信号（算法 1 中 4 次迭代）后趋于稳定，且 MSE 随导频数量增加而持续下降。
• 即使当 NLoS 功率与 LoS 功率相当，所提方案在参数估计精度方面仍显著优于所有基准方案。
• 所提方案的训练开销与计算复杂度不随天线数量增长，使其适用于大规模全息阵列。