[论文解读] PCA-based Antenna Impedance Estimation in Rayleigh Fading Channels

Shaohan Wu, Brian L. Hughes|arXiv (Cornell University)|Jun 20, 2020

Advanced MIMO Systems Optimization参考文献 26被引用 5

一句话总结

本文提出了一种基于主成分分析的方法，用于在MISO瑞利衰落信道中，利用训练序列和接收机负载切换，实现天线阻抗的实时估计。通过在快速衰落条件下推导出闭式最大似然估计器，并在相关衰落条件下采用标量优化方法，该方法实现了快速、精确的阻抗估计，使匹配不良的接收机的遍历容量最高提升100%。

ABSTRACT

Impedance matching between receive antenna and front-end significantly impacts channel capacity in wireless channels. To implement capacity-optimal matching, the receiver must know the antenna impedance. But oftentimes this impedance varies with loading conditions in the antenna near-field. To mitigate this variation, several authors have proposed antenna impedance estimation techniques. However, the optimality of these techniques remains unclear. In this paper, we consider antenna impedance estimation at MISO receivers over correlated Rayleigh fading channels. We derive in closed-form the optimal ML estimator under i.i.d. fading and then show it can be found via a scalar optimization in generally correlated fading channels. Numerical results suggest a computationally efficient, principal-components approach that estimates antenna impedance in real-time for all Rayleigh fading channels. Furthermore, ergodic capacity can be significantly boosted at originally poorly matched receivers with adaptive matching using our proposed approach.

研究动机与目标

• 解决由于近场负载导致的时变天线阻抗问题，该问题会降低无线系统中接收机的容量。
• 开发一种直接、数据高效的阻抗估计方法，无需依赖计算量大的经验容量搜索。
• 通过利用MISO系统中现有的训练序列和导频符号，实现实时、容量最优的阻抗匹配。
• 提供一种理论基础扎实、计算效率高的估计器，在各种衰落条件下接近Cramér-Rao下界。

提出的方法

• 将天线阻抗估计问题建模为信道路径增益与接收机阻抗的联合估计，将路径增益视为干扰参数。
• 基于样本协方差矩阵的最大特征值对应的特征向量，推导出在i.i.d.瑞利衰落条件下阻抗的闭式最大似然（ML）估计器。
• 对于时间相关的衰落，证明ML估计器可通过标量优化求得，从而降低计算复杂度。
• 提出一种矩法（MM）估计器用于相关衰落，该方法计算效率高且性能接近ML估计器。
• 将估计得到的阻抗集成到最小均方误差（MMSE）信道估计器中，以提升整体系统性能。
• 利用带有同步接收机负载切换的训练序列，收集用于联合估计信道与阻抗的观测数据。

实验结果

研究问题

• RQ1 在具有i.i.d.衰落的MISO瑞利衰落信道中，能否推导出天线阻抗的闭式最大似然估计器？
• RQ2 ML估计器如何适应一般相关衰落信道？该适应方法的计算复杂度如何？
• RQ3 在有限样本和相关衰落条件下，ML估计器与Cramér-Rao下界（CRB）之间的性能差距是多少？
• RQ4 所提出的阻抗估计方法在原本阻抗不匹配的接收机中，能将遍历容量提升多少？
• RQ5 计算效率高的基于主成分的算法能否实现接近最优的性能，并具备实时可行性？

主要发现

• ML估计器表现出接近最优的性能，MM估计器的均方根误差（RMSE）在所有信噪比（SNR）和系统配置下，与CRB的差距不足1 dB。
• 对于具有L=10个训练包的4天线系统，MM估计器在低SNR下的RMSE与CRB的差距仅为0.3%，且随着SNR增加，该差距逐渐消失。
• 经验法则表明，需要至少4个分集度（空间和/或时间）才能实现与CRB相差1 dB的性能。
• 在实际应用中，尤其是在相关衰落条件下，ML估计器对MM估计器的性能提升可忽略不计，表明MM估计器在性能与复杂度之间提供了极佳的权衡。
• 当使用MM估计器对原本存在5 dB和3 dB功率损失的接收机进行阻抗补偿时，遍历容量在低SNR下几乎提升100%（翻倍），在高SNR下提升约20%。
• 所提出的方法通过主成分方法实现了阻抗的实时估计，在无需额外硬件的情况下，显著提升了匹配不良接收机的容量。