[论文解读] Spatial Wideband Channel Estimation for MmWave Massive MIMO Systems with Hybrid Architectures and Low-Resolution ADCs

In-Soo Kim, Junil Choi|arXiv (Cornell University)|Jan 25, 2021

Millimeter-Wave Propagation and Modeling参考文献 41被引用 22

一句话总结

本文提出了一种无网格的基于压缩感知的信道估计算法 NFCFGS-CV，适用于具有混合式模拟/数字架构和低分辨率 ADC 的宽带毫米波大规模 MIMO 系统。通过在离散时间域中建模空间宽带效应，并采用基于交叉验证的终止条件，NFCFGS-CV 在消除非网格误差的同时最小化平方误差，从而在估计精度上优于最先进的网格化方法。

ABSTRACT

In this paper, a channel estimator for wideband millimeter wave (mmWave) massive multiple-input multiple-output (MIMO) systems with hybrid architectures and low-resolution analog-to-digital converters (ADCs) is proposed. To account for the propagation delay across the antenna array, which cannot be neglected in wideband mmWave massive MIMO systems, the discrete time channel that models the spatial wideband effect is developed. Also, the training signal design that addresses inter-frame, inter-user, and inter-symbol interferences is investigated when the spatial wideband effect is not negligible. To estimate the channel parameters over the continuum based on the maximum a posteriori (MAP) criterion, the Newtonized fully corrective forward greedy selection-cross validation-based (NFCFGS-CV-based) channel estimator is proposed. NFCFGS-CV is a gridless compressed sensing (CS) algorithm, whose termination condition is determined by the CV technique. The CV-based termination condition is proved to achieve the minimum squared error (SE). The simulation results show that NFCFGS-CV outperforms state-of-the-art on-grid CS-based channel estimators.

研究动机与目标

• 解决在低分辨率 ADC 和混合架构下，宽带毫米波大规模 MIMO 系统中信道估计不准确的挑战。
• 在时间域中对大规模天线阵列因传播时延引起的空间宽带效应进行建模。
• 开发一种可消除网格化方法固有非网格误差的无网格压缩感知算法。
• 设计一种训练信号，以在空间宽带效应不可忽略时，减轻帧间、用户间和符号间干扰。
• 通过交叉验证确定最优终止条件，以最小化平方误差。

提出的方法

• 通过ULA上的传播时延，建立包含空间宽带效应的离散时间信道模型。
• 提出 NFCFGS-CV，一种结合牛顿法（来自 NOMP）与全修正前向贪婪选择（来自 FCFGS）的无网格压缩感知算法，用于连续参数估计。
• 使用最大后验概率（MAP）估计求解信道估计问题。
• 应用交叉验证（CV）确定终止条件，其中 CV 函数被证明与平方误差成正比。
• 将一部分接收信号用作 CV 数据，从估计中排除，以评估估计质量。
• 采用基于对数似然的 CV 函数，指导模型阶数选择并确保最小平方误差。

实验结果

研究问题

• RQ1 如何在具有混合架构的宽带毫米波大规模 MIMO 系统中，准确地在时间域建模空间宽带效应？
• RQ2 当空间宽带效应不可忽略时，何种训练信号设计可最小化帧间、用户间和符号间干扰？
• RQ3 在低分辨率 ADC 系统中，无网格压缩感知方法是否可通过消除非网格误差而优于网格化方法？
• RQ4 在 NFCFGS-CV 中，基于交叉验证的终止条件是否能实现信道估计的最小平方误差？
• RQ5 在不同 ADC 分辨率和阵列配置下，NFCFGS-CV 与现有网格化 CS 估计算法相比，在性能和复杂度方面表现如何？

主要发现

• NFCFGS-CV 在归一化均方误差（NMSE）方面优于所有最先进的网格化压缩感知估计算法，即使在低信噪比（SNR）和低 ADC 分辨率下亦然。
• 该算法在粗略网格分辨率下（例如 (Ra, Rd) = (1,1)）即可实现接近最优的性能，因为牛顿法能有效消除非网格误差。
• FCFGS-CV 需要高网格分辨率（例如 (Ra, Rd) = (4,4)）才能接近 NFCFGS-CV，但性能因持续存在的非网格误差而趋于饱和。
• 在所有测试配置下，包括 B=1（单比特 ADC）等极端情况，NFCFGS-CV 的 NMSE 均低于 FCFGS-CV。
• NFCFGS-CV 的平均迭代次数低于 FCFGS-CV，表明其因更优的模型阶数选择而具有更快的收敛速度。
• NFCFGS-CV 的可实现和速率下界在所有 SNR 水平下均持续高于其他估计算法，证实其对系统可靠性的积极影响。