[论文解读] Terahertz Beamforming and Group Sparse Channel Estimation Relying on Low-Resolution ADCs in MU Hybrid MIMO systems

Abhisha Garg, Suraj Srivastava+4 more|arXiv (Cornell University)|Mar 21, 2026

Millimeter-Wave Propagation and Modeling被引用 0

一句话总结

本文提出一个统一的贝叶斯框架用于双宽带太赫兹MU混合MIMO系统，在低分辨率ADC下联合执行波束赋形和分组稀疏信道估计，考虑波束畸变和脉冲整形。

ABSTRACT

A unified beamforming and channel estimation framework relying on Bayesian learning is conceived. Recognizing the limitations imposed by low-resolution analog-to-digital converter (ADCs) and frequency-dependent propagation effects occurring in the Terahertz (THz) band, we formulate a dual-wideband channel model incorporating root raised cosine (RRC) pulse shaping. To address the non-linear distortions introduced by low-resolution ADCs, Bussgang decomposition is employed, leading to a tractable linearized inference process. By leveraging the shared sparsity inherent in a multi-user (MU) scenario of THz systems, we propose a Hierarchical Bayesian Group-sparse Regression (HBG-SR) based channel learning technique that exploits the group-sparse structure of THz band channels. The estimated dominant angle-of-arrival/ angle-of-departure (AoA/AoD) indices are then exploited for appropriately configuring the true-time-delay (TTD) elements in the hybrid transceiver, enabling precise beam alignment across subcarriers and the effective compensation of the beam-squint effect occurring in wideband THz systems. Extensive simulation results validate the efficiency of the proposed channel estimator and the TTD-aided beamforming architecture, highlighting their robustness and performance gains under practical wideband THz system constraints.

研究动机与目标

• 在双宽带和低分辨率ADC约束下，激发对THz MU MIMO信道的准确估计。
• 开发一个层次贝叶斯分组稀疏回归框架，利用用户与子载波之间的共享稀疏性。
• 结合基于Bussgang的线性化对量化非线性的处理，并对波束畸变进行建模以实现鲁棒对准。
• 提出基于真时延（TTD）的混合收发设计，补偿跨用户的残留波束畸变。

提出的方法

• 对采用SC-FDE和RRC脉冲整形的双宽带太赫兹MU信道进行建模。
• 对低分辨率ADC的非线性进行Bussgang分解以实现线性化。
• 提出层次贝叶斯分组稀疏回归（HBG-SR），学习利用分组稀疏性的波束空间信道。
• 推导贝叶斯Cramér-Rao下界作为MU THz信道估计的性能基准。
• 设计基于TTD的混合收发结构，利用估计的AoA/AoD来抑制波束畸变并适应量化。
• 通过大量仿真评估NMSE、BER和光谱效率。

实验结果

研究问题

• RQ1 在低分辨率ADC约束下，如何准确学习MU双宽带THz信道？
• RQ2 能否利用用户和子载波之间的分组稀疏性来改进THz MU MIMO的信道估计？
• RQ3 波束畸变与粗量化如何相互作用，TTD为基础的架构能否补偿？
• RQ4 在NMSE、BER和SE方面，贝叶斯信道估计学习和TTD波束成形能带来哪些性能提升？

主要发现

• 所提出的HBG-SR框架有效利用跨用户和子载波的联结波束空间信道中的分组稀疏性。
• 结合Bussgang线性化使在低分辨率ADC条件下的推断变得可处理。
• 利用对最显著AoA/AoD索引的估计来配置真时延元件，以实现准确的波束对准并抑制波束畸变。
• 该方法在仿真中对实际宽带THz系统约束表现出鲁棒性和性能提升。
• 该工作提供贝叶斯Cramér-Rao下界以基准MU THz场景的信道估计性能。