[论文解读] Super-Resolution mmWave Channel Estimation using Atomic Norm Minimization

Hongyun Chu, Le Zheng+1 more|arXiv (Cornell University)|Jan 23, 2018

Millimeter-Wave Propagation and Modeling参考文献 30被引用 8

一句话总结

本文提出了一种基于原子范数最小化的超分辨率毫米波信道估计算法，适用于混合波 beamforming 和广义空间复用系统，无需网格量化即可实现连续角度的稀疏性利用。该方法通过高效的共轭梯度下降法求解凸与非凸优化问题，并结合非凸分解，相较于传统压缩感知方法在估计精度上表现更优，在仿真中优于基于网格的方法。

ABSTRACT

We propose super-resolution MIMO channel estimators for millimeter-wave (mmWave) systems that employ hybrid analog and digital beamforming and generalized spatial modulation, respectively. Exploiting the inherent sparsity of mmWave channels, the channel estimation problem is formulated as an atomic norm minimization that enhances sparsity in the continuous angles of departure and arrival. Both pilot-assisted and data-aided channel estimators are developed, with the former one formulated as a convex problem and the latter as a non-convex problem. To solve these formulated channel estimation problems, we develop a computationally efficient conjugate gradient descent method based on non-convex factorization which restricts the search space to low-rank matrices. Simulation results are presented to illustrate the superior channel estimation performance of the proposed algorithms for both types of mmWave systems compared to the existing compressed-sensing-based estimators with finely quantized angle grids.

研究动机与目标

• 解决大规模 MIMO 系统中传统毫米波信道估计算法存在的高训练开销与计算复杂度问题。
• 通过原子范数最小化实现连续角度稀疏性表示，克服基于网格的压缩感知中的基失配问题。
• 为采用混合波 beamforming 和广义空间复用的毫米波系统，设计适用于导频辅助与数据辅助场景的高效、低复杂度信道估计算法。
• 利用毫米波信道在连续到达/出发角度上的稀疏性，提升估计分辨率与精度。

提出的方法

• 将导频辅助信道估计建模为凸原子范数最小化问题，以利用连续 AoD/AoA 域中的稀疏性。
• 提出一种结合原子范数与 ℓ₁-范数最小化的数据辅助估计算法，以利用解调误差中的稀疏性，形成非凸优化问题。
• 引入非凸分解方法，将搜索空间限制在低秩矩阵上，提升计算效率。
• 采用共轭梯度下降（CGD）方法，高效求解凸与非凸优化问题。
• 将目标函数重写为涉及矩阵 A 和 Q(Ψ) 的二次形式，支持通过链式法则与矩阵微积分计算梯度。
• 利用矩阵导数推导增广拉格朗日函数的梯度，明确给出 ∇Ψζ 与 ∇Γζ 的表达式，支持迭代优化。

实验结果

研究问题

• RQ1 原子范数最小化能否在不依赖离散角度网格的情况下实现超分辨率毫米波信道估计？
• RQ2 与传统基于网格的压缩感知方法相比，所提方法在混合波 beamforming 系统中的估计精度有何提升？
• RQ3 结合原子范数与 ℓ₁-范数最小化的数据辅助信道估计算法，是否能比现有方法更好地利用时变信道的稀疏性？
• RQ4 基于 CGD 的非凸分解方法在求解大规模毫米波信道估计问题时，其计算效率如何？

主要发现

• 所提出的导频辅助估计算法在估计精度上显著优于基于网格的压缩感知方法，尤其在低信噪比（SNR）环境下表现更优。
• 数据辅助估计算法通过联合利用信道参数与解调误差中的稀疏性，优于现有方法，增强了对时变信道的鲁棒性。
• 采用非凸分解的共轭梯度下降法在保持高估计精度的同时降低了计算复杂度，支持实时部署。
• 仿真结果表明，原子范数最小化可避免基于网格的压缩感知固有的基失配问题，在有利条件下可实现精确的稀疏信号恢复。
• 该方法在混合波 beamforming 与广义空间复用系统中均表现出优越性能，验证了其在多种毫米波架构中的通用性。