[论文解读] Semi-Blind Channel Estimation and Hybrid Receiver Beamforming in the Tera-Hertz Multi-User Massive MIMO Uplink

Abhisha Garg, Suraj Srivastava+3 more|arXiv (Cornell University)|Mar 23, 2026

Millimeter-Wave Propagation and Modeling被引用 0

一句话总结

论文提出了用于 THz MU-MIMO 上行的 MU whitening decorrelation 半盲（MU-WD-SB）信道估计，以及基于 MMV-SBL 的混合接收机解调器，利用基于 HITRAN 的 THz 信道建模与低分辨率 ADC，以降低导频开销并提升性能。

ABSTRACT

We develop a pragmatic multi-user (MU) massive multiple-input multiple-output (MIMO) channel model tailored to the THz band, encompassing factors such as molecular absorption, reflection losses and multipath diffused ray components. Next, we propose a novel semi-blind based channel state information (CSI) acquisition technique i.e. MU whitening decorrelation semi-blind (MU-WD-SB) that exploits the second order statistics corresponding to the unknown data symbols along with pilot vectors. A constrained Cramer-Rao Lower Bound (C-CRLB) is derived to bound the normalized mean square error (NMSE) performance of the proposed semi-blind learning technique. Our proposed scheme efficiently reduces the training overheads while enhancing the overall accuracy of the channel learning process. Furthermore, a novel hybrid receiver combiner framework is devised for MU THz massive MIMO systems, leveraging multiple measurement vector based sparse Bayesian learning (MMV-SBL) that relies on the estimated CSI acquired through our proposed semi-blind technique relying on low resolution analog-to-digital converters (ADCs). Finally, we propose an optimal hybrid combiner based on MMV-SBL, which directly reduces the MU interference. Extensive simulations are conducted to evaluate the performance gain of the proposed MU-WD-SB scheme over conventional training-based and other semi-blind learning techniques for a practical THz channel obtained from the high-resolution transmission (HITRAN) database. The metrics considered for quantifying the improvements include the NMSE, bit error rate (BER) and spectral-efficiency (SE).

研究动机与目标

• 开发一个实用的MU大规模MIMO THz信道模型，考虑分子吸收、反射损耗以及漫射射线。
• 引入一个半盲CSI获取技术（MU-WD-SB），利用未知数据符号的二阶统计信息与导频。
• 推导一个带约束的Cramér-Rao下界（C-CRLB），以界定半盲方法的NMSE性能。
• 设计一个基于MMV-SBL的混合接收机解调框架，利用估计的CSI与低分辨率ADC。
• 在 HITRAN 的 THz 信道数据条件下，评估相较于基于训练的及其他半盲方法的性能提升，并评估 NMSE、BER 与 SE。

提出的方法

• 在 THz 频率下，针对ULA，建立包含 LoS 与 NLoS 分量的 MU THz 信道模型及阵列响应。
• 提出 MU-WD-SB 半盲信道估计，将盲目标二阶统计与基于导频的信道估计相结合。
• 开发带约束的 C-CRLB，以界定 MU-WD-SB 估计量的 NMSE。
• 引入基于 MMV-SBL 的混合接收机解码器，以利用估计的 CSI 在降低 MU 干扰的同时实现。
• 在混合传输系统中使用低分辨率 ADC，并在基于 HITRAN 推导的 THz 信道条件下评估性能。

实验结果

研究问题

• RQ1 半盲方法如何利用数据符号与导频来改进 MU THz MIMO 信道估计？
• RQ2 在 THz 信道条件下，提出的 MU-WD-SB 估计量的 NMSE 性能界限是什么？
• RQ3 混合 MMV-SBL 接收机解码器如何利用半盲 CSI 在低分辨率 ADC 下抑制 MU 干扰？
• RQ4 与基于训练的方法及其他半盲方法相比，在现实 THz 信道中可实现的 BER 与光谱效率提升有哪些？
• RQ5 HITRAN 基于建模如何影响 THz 信道估计与混合波束成形的性能？

主要发现

• MU-WD-SB 通过利用数据符号和导频且训练开销低，显著提升 NMSE，优于传统的 ML 基于训练的方案。
• 受约束的 C-CRLB 为在 THz 信道条件下提出的半盲估计量提供了性能界限。
• 基于 MMV-SBL 的混合解码器在低分辨率 ADC 条件下，利用半盲 CSI 有效降低了 MU 干扰。
• 使用基于 HITRAN 的 THz 信道数据进行的仿真表明，与基线相比，提出的半盲框架在 NMSE、BER 与光谱效率方面均有提升。
• 本工作展示了端到端的 THz 信道建模，涵盖分子吸收与漫射射线分量，便于对半盲估计与混合波束成形进行实际评估。