CN114285702A - 一种用于毫米波irs协作系统的稀疏级联信道估计方法 - Google Patents
一种用于毫米波irs协作系统的稀疏级联信道估计方法 Download PDFInfo
- Publication number
- CN114285702A CN114285702A CN202210002633.0A CN202210002633A CN114285702A CN 114285702 A CN114285702 A CN 114285702A CN 202210002633 A CN202210002633 A CN 202210002633A CN 114285702 A CN114285702 A CN 114285702A
- Authority
- CN
- China
- Prior art keywords
- sparse
- matrix
- irs
- support set
- cascade channel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims abstract description 62
- 239000013598 vector Substances 0.000 claims description 24
- 230000005540 biological transmission Effects 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 9
- 230000008901 benefit Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 102000002274 Matrix Metalloproteinases Human genes 0.000 description 1
- 108010000684 Matrix Metalloproteinases Proteins 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种用于毫米波IRS协作系统的稀疏级联信道估计方法,属于通信技术领域。该方法将角度域稀疏级联信道的结构稀疏特性融入到经典OMP算法中,首先利用所有时刻各用户的导频数据联合估计完全共有行支撑集,然后在共有行支撑集估计基础上获得各时刻下各个用户的列支撑集,最后采用LS算法估计相应的稀疏级联信道矩阵。本发明降低了导频开销,提高了估计精度。
Description
技术领域
本发明属于通信技术领域,涉及一种用于毫米波IRS协作系统的稀疏级联信道估计方法。
背景技术
在未来无线通信网络中,毫米波频段能够有效弥补和解决微波频段频谱资源稀缺的问题,使得通信传输速率达到Gbps量级。然而,毫米波信号具有路径损耗大、大气衰减和雨衰严重、绕射能力差、穿透能力差等传播特性以及毫米波器件性能受限特性,难以实现室外广域覆盖。此外,毫米波信号绕射能力差,更容易受障碍物影响。由于其中断敏感性与视距(Line-of-Sight,LoS)遮挡问题,导致已经建立好的通信链路变得不可用,而不像微波频段表现为小尺度衰落。为解决毫米波网络LoS遮挡问题,可以在毫米波网络中采用低成本智能反射表面天线(Intelligent Reflecting Surface,IRS)设备建立额外的辅助链路,以保证网络的稳健性。基于IRS辅助的协作传输方式以其可重构信道传播环境与低成本的优势近几年开始受到广泛关注。
IRS是由大量低成本无源反射天线单元组成的平面,每个发射天线单元都能够独立地改变入射信号的相位或幅度,从而形成精细的反射波束实现发射机和接收机之间的无线传播信道可重构。针对毫米波IRS协作通信系统信道估计问题,主要的挑战在于IRS设备的所有天线单元是无源的,不能够执行接收和处理任何信号。另一方面,IRS设备通常存在成百上千个单元。因此,所需估计的信道矩阵维度较大,使得传统信道估计方法所需的导频开销急剧增加。
目前,大多数IRS信道估计主要集中于估计系统级联信道。例如,基于开关机制的IRS系统级联信道估计方法,其基本思想是将整个估计过程划分为N(N为IRS设备天线数目)个阶段。在第n个阶段,IRS设备其中一个天线单元被打开,其余天线单元保持关闭状态,用于估计级联信道矩阵中对应的一个列向量。显然,这种信道估计方案所需导频开销与IRS设备天线单元数相关,导频开销巨大。
因此,亟需一种新的能够降低导频开销的IRS系统级联信道估计的方法。
发明内容
有鉴于此,本发明的目的在于提供一种用于毫米波IRS协作系统的稀疏级联信道估计方法,利用角度域级联信道在时间域和用户域上的结构稀疏特性,对经典的正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法进行改进从而降低导频开销并提高了估计精度。并基于递归思想进行设计,使得其适用于实时应用。
为达到上述目的,本发明提供如下技术方案:
一种用于毫米波IRS协作系统的稀疏级联信道估计方法,将角度域稀疏级联信道的结构稀疏特性融入到经典OMP算法中,首先利用所有时刻各用户的导频数据联合估计完全共有行支撑集,然后在共有行支撑集估计基础上获得各时刻下各个用户的列支撑集,最后采用LS算法估计相应的稀疏级联信道矩阵;该方法具体包括以下步骤:
S1:在信道估计阶段,系统采用正交导频传输策略,即在所有用户分时发送导频信号;
S2:在线更新完全共有行支撑集;
S3:估计各用户的列支撑集;
S4:估计级联信道矩阵。
进一步,步骤S1具体包括:每个用户UE分别选择一个子时刻传输Q个导频符号,基站BS利用所有时刻和所有用户的接收导频符号Yk,t,k=1,…,K,t=1,…,T进行估计;首先将系统模型变换为标准的压缩感知信号模型为:
其中,K表示用户数量,T表示基站BS接收数据的时隙数目;为等效观测矩阵,为感知矩阵,为角度域稀疏级联信道矩阵,为等效噪声矩阵;U1和U2分别为基站BS和IRS字典酉矩阵;矩阵Θ=[θ1,…,θQ]表征IRS发射矩阵,θQ为IRS针对第Q个导频符号设置的反射矢量;Nk,t=[nk,1,t,…,nk,Q,t]为噪声矩阵,nk,Q,t为等效噪声矢量。
进一步,步骤S3中,估计各用户的列支撑集具体包括:对于各个用户的各非零元素行执行Lk,t次迭代:首先取观测矩阵的第l1个非零列然后初始化残差初始化对应列支撑集内迭代次数l2=1;在第l2次循环中执行步骤S31~S32进行稀疏重构;
其中,Nr为天线数目;
本发明的有益效果在于:
1)与传统基于开关机制的级联信道估计方法相比,本发明提出的递归在线双时间尺度稀疏级联信道估计方法基于压缩感知(Compressed Sensing,CS)理论的OMP算法进行设计,其导频开销大大降低。
2)与经典的OMP算法相比,本发明提出的递归在线双时间尺度稀疏级联信道估计方法进一步考虑了级联信道在时间域和用户域上的结构稀疏特性,从而提升了估计精度。并且,基于递归思想进行改进,使得其适用于实时应用。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为本发明所考虑的毫米波IRS协作系统示意图;
图2为角度域稀疏级联信道矩阵在时间域和用户域的结构稀疏特性示意图;
图3为本发明提出的递归在线双时间尺度稀疏级联信道估计方法与经典OMP算法估计性能随导频开销变化的对比图;
图4为本发明提出的递归在线双时间尺度稀疏级联信道估计方法与经典OMP算法估计性能随信噪比变化的对比图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
请参阅图1~图4,为了方便理解,首先对本发明所考虑的毫米波IRS协作系统进行简要介绍:
如图1所示,考虑毫米波IRS协作通信系统上行链路。K个单天线用户UE通过智能放射表面天线IRS的辅助与基站BS进行通信。基站BS部署天线数目为Nb的均匀分布直线阵列,IRS为均匀平面阵列,天线数目为Nr=Nr,x×Nr,y。为简化,假设各用户UE和基站BS之间由于建筑物遮挡不存在直接链路。
其中,sk为第k个用户发送的信号;为第k个用户UE到IRS的毫米波上行信道(UE-RS信道);为IRS到基站BS的毫米波上行信道(IRS-BS信道);为基站BS处的加性高斯白噪声,矢量表示IRS的波束成形矢量(反射矢量),其中θn为第n个IRS单元的反射系数,可以进一步写为且βn∈[0,1]以及φn∈[0,2π]分别表示对应IRS单元发射系数的幅度和相位。
此外,利用diag(θ)hk=diag(hk)θ,k=1,…,K,上式还可以写为
其中,定义为第k个用户UE对应的级联信道。从上式可以看出,在设计基站BS接收机和IRS协作波束成形等算法时,没有必要像传统中继协作系统一样同时估计出两端信道(hk和G)以实现系统性能最优,直接估计级联信道Hk,k=1,…,K即可满足要求。本发明主要针对级联信道设计估计算法。
接下来,阐述级联信道在时间域和用户域上的结构稀疏特性。
其中,Lk为信道hk的路径径数,为对应径的信道增益,参数和分别表征相应信道路径到达IRS的水平角和俯仰角。LG为信道G的路径径数,为对应径的信道增益,参数和分别表征相应信道路径离开IRS的水平角和俯仰角,参数为相应信道路径到达基站BS的角度。矢量aIRS(θ,ψ)和aBS(θ)分别为IRS和基站BS的阵列导向矢量,可以写为:
此外,基站BS和IRS的位置相对固定,而用户UEs处于移动状态。因此,IRS协作信道存在双时间尺度特性,即BS-IRS信道G变化较慢,UE-IRS信道hk,k=1,…,K变化较快。我们令BS-IRS信道G在T个内不发生变化,各个时刻下的UE-IRS信道表征为hk,t,k=1,…,K,t=1,…,T。则对应的各时刻下的级联信道可以写为Hk,t=Gdiag(hk,t),k=1,…,K,t=1,…,T。为了进一步探索级联信道在各用户和各时刻上的结构稀疏特性,将角度域稀疏级联信道进一步写为
在理想无格点情况下,和都分别只有一个非零元素值。每个完整的反射链路(l1,l2)将为角度域稀疏级联信道矩阵提供一个非零元素值,该元素值的行列位置分别由和决定,即非零元素值的行位置由IRS-BS信道G中各路径到达BS的角度参数决定,非零元素值的列位置由IRS-BS信道G和UE-IRS信道hk,t中有关IRS到达角和离开角的参数共同决定。稀疏角度域级联信道矩阵中存在LG个非零行,在每个非零行里共包含有Lk,t个非零列,中的非零元素值数目为LGLk,t。此外,更为重要的是,角度域稀疏级联信道矩阵在用户域和时间域存在结构稀疏特性。由于IRS-BS信道G的慢变特性,不同用户以及不同时刻下得到的角度域稀疏级联信道矩阵中的非零元素具有相同行位置。通过探索该结构稀疏特性设计稀疏信道估计算法以进一步提高估计性能。
本发明提出的递归在线双时间尺度稀疏级联信道估计方法具体内容如下:
yk,q,t=Gdiag(θq)hk,tsk,q+nk,q,t=Hk,tθqsk,q+nk,q,t
其中,sk,q为第k个用户UE发送的第q个导频符号,θq为IRS针对第q个导频符号设置的反射矢量。需要注意的是,不同的导频符号需要设置不同的IRS反射矢量。将基站BS接收到第k个用户UE的Q个导频符号写为矩阵形式,即并假设每个导频符号为sk,q=1,可以得到:
Yk,t=Hk,tΘ+Nk,t
(2)考虑级联信道在时间域和用户域上的结构稀疏特性,在经典OMP算法基础上提出双时间尺度递归在线稀疏级联信道估计方法。假设基站BS已经获得T个时刻的各用户的导频数据Yk,t,k=1,…,K,t=1,…,T用于估计级联信道Hk,t,k=1,…,K,t=1,…,T。令为t时刻第k个用户的稀疏级联信道非零元素值行集合,则有:
其中,Ωr被称之为完全共有行支撑集。在所提方法中,首先利用所有时刻各用户的导频数据联合估计完全共有行支撑集Ωr,然后在共有行支撑集Ωr估计基础上获得各时刻下各个用户的列支撑集,最后采用LS算法估计相应的稀疏级联信道矩阵。接下来,我们详细讲述所提方法的三个步骤。
(3)在步骤(1),估计完全共有行支撑集Ωr。角度域稀疏级联信道矩阵的非零行位置对应接收测量矩阵的高能量列。得益于角度域稀疏级联信道在时间域和用户域的结构稀疏特性,所有时刻各用户对应的接收测量矩阵可以用来估计完全共有行支撑集Ωr,从而抵抗噪声的影响。具体而言,定义矢量用于存储所有接收测量矩阵的各列总和能量值,该矢量中的各个元素值计算如下
(4)步骤(2),估计各时刻下各个用户的列支撑集。由于不同时刻下各用户的角度域稀疏级联信道矩阵的非零元素处于不同列位置,因此不同时刻下各用户的各非零元素行上的列支撑集都需要单独估计。对于非零元素行l1,存在Lk,t个列索引值需要被估计。类似经典OMP算法,对每个非零元素行,进行Lk,t迭代。每次迭代,计算残差与感知矩阵的相关值,得到最相关行的索引加入到列支撑集中
其中,表示稀疏矩阵的第l1个非零列。对不同时刻下的每个用户都执行上述操作,从而估计出各自对应的列支撑集并得到角度域稀疏级联信道初始估计结果需要注意的是,在实时应用中,我们只需要估计当前时刻下各用户的列支撑集以及即可。
从图2~图4可以看出,本发明提出的递归在线双时间尺度稀疏级联信道估计方法,可应用实际毫米波IRS协作通信系统。利用角度域级联信道在时间域和用户域上的结构稀疏特性,对经典OMP算法进行改进从而降低了导频开销并提高了估计精度。并基于递归思想进行设计,使得其适用于实时应用。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种用于毫米波IRS协作系统的稀疏级联信道估计方法,其特征在于,将角度域稀疏级联信道的结构稀疏特性融入到经典OMP算法中,首先利用所有时刻各用户的导频数据联合估计完全共有行支撑集,然后在共有行支撑集估计基础上获得各时刻下各个用户的列支撑集,最后采用LS算法估计相应的稀疏级联信道矩阵;该方法具体包括以下步骤:
S1:在信道估计阶段,系统采用正交导频传输策略,即在所有用户分时发送导频信号;
S2:在线更新完全共有行支撑集;
S3:估计各用户的列支撑集;
S4:估计级联信道矩阵。
2.根据权利要求1所述的稀疏级联信道估计方法,其特征在于,步骤S1具体包括:每个用户UE分别选择一个子时刻传输Q个导频符号,基站BS利用所有时刻和所有用户的接收导频符号Yk,t,k=1,…,K,t=1,…,T进行估计;首先将系统模型变换为标准的压缩感知信号模型为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210002633.0A CN114285702B (zh) | 2022-01-04 | 2022-01-04 | 一种用于毫米波irs协作系统的稀疏级联信道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210002633.0A CN114285702B (zh) | 2022-01-04 | 2022-01-04 | 一种用于毫米波irs协作系统的稀疏级联信道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114285702A true CN114285702A (zh) | 2022-04-05 |
CN114285702B CN114285702B (zh) | 2024-02-27 |
Family
ID=80880044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210002633.0A Active CN114285702B (zh) | 2022-01-04 | 2022-01-04 | 一种用于毫米波irs协作系统的稀疏级联信道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114285702B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114553643A (zh) * | 2022-04-24 | 2022-05-27 | 杭州电子科技大学 | 双时间尺度协同感知的毫米波智能超表面信道估计方法 |
CN115412187A (zh) * | 2022-07-10 | 2022-11-29 | 重庆邮电大学 | 一种基于可重构智能表面的毫米波信道追踪方法 |
CN116506262A (zh) * | 2023-06-29 | 2023-07-28 | 南京邮电大学 | 用于双irs辅助通信系统的信道估计方法及系统 |
CN117061028A (zh) * | 2023-04-21 | 2023-11-14 | 重庆邮电大学空间通信研究院 | 一种ris辅助毫米波通信的信道估计方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019195426A1 (en) * | 2018-04-03 | 2019-10-10 | University Of Southern California | Analog channel estimation techniques for beamformer design in massive mimo systems |
CN110519188A (zh) * | 2019-08-20 | 2019-11-29 | 电子科技大学 | 一种基于压缩感知的多用户时变毫米波信道估计方法 |
CN112187323A (zh) * | 2020-09-29 | 2021-01-05 | 国网江苏省电力有限公司丹阳市供电分公司 | 混合低精度架构下基于irs的大规模mimo的级联信道估计方法 |
US20210105155A1 (en) * | 2018-02-08 | 2021-04-08 | Cohere Technologies, Inc. | Aspects of channel estimation for orthogonal time frequency space modulation for wireless communications |
CN112910807A (zh) * | 2021-02-04 | 2021-06-04 | 华中科技大学 | 一种基于空间随机采样的智能超表面信道估计方法及系统 |
WO2021207748A2 (en) * | 2020-08-13 | 2021-10-14 | Futurewei Technologies, Inc. | Methods and apparatus for channel reconstruction in intelligent surface aided communications |
-
2022
- 2022-01-04 CN CN202210002633.0A patent/CN114285702B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210105155A1 (en) * | 2018-02-08 | 2021-04-08 | Cohere Technologies, Inc. | Aspects of channel estimation for orthogonal time frequency space modulation for wireless communications |
WO2019195426A1 (en) * | 2018-04-03 | 2019-10-10 | University Of Southern California | Analog channel estimation techniques for beamformer design in massive mimo systems |
CN110519188A (zh) * | 2019-08-20 | 2019-11-29 | 电子科技大学 | 一种基于压缩感知的多用户时变毫米波信道估计方法 |
WO2021207748A2 (en) * | 2020-08-13 | 2021-10-14 | Futurewei Technologies, Inc. | Methods and apparatus for channel reconstruction in intelligent surface aided communications |
CN112187323A (zh) * | 2020-09-29 | 2021-01-05 | 国网江苏省电力有限公司丹阳市供电分公司 | 混合低精度架构下基于irs的大规模mimo的级联信道估计方法 |
CN112910807A (zh) * | 2021-02-04 | 2021-06-04 | 华中科技大学 | 一种基于空间随机采样的智能超表面信道估计方法及系统 |
Non-Patent Citations (3)
Title |
---|
ZHIQIANG WANG 等: ""Two-Timescale Uplink Channel Estimation for Dual-Hop MIMO Relay Multi-User Systems"", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》, vol. 5, no. 70, 5 May 2021 (2021-05-05) * |
王志强: "低复杂度毫米波大规模MIMO协作通信研究", 《CNKI博士学位论文全文库》, 31 December 2022 (2022-12-31) * |
马汝奔;傅友华;王海荣;: "基于压缩感知的FDD多用户大规模MIMO系统的信道估计", 南京邮电大学学报(自然科学版), no. 05, 13 November 2018 (2018-11-13) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114553643A (zh) * | 2022-04-24 | 2022-05-27 | 杭州电子科技大学 | 双时间尺度协同感知的毫米波智能超表面信道估计方法 |
CN115412187A (zh) * | 2022-07-10 | 2022-11-29 | 重庆邮电大学 | 一种基于可重构智能表面的毫米波信道追踪方法 |
CN117061028A (zh) * | 2023-04-21 | 2023-11-14 | 重庆邮电大学空间通信研究院 | 一种ris辅助毫米波通信的信道估计方法 |
CN116506262A (zh) * | 2023-06-29 | 2023-07-28 | 南京邮电大学 | 用于双irs辅助通信系统的信道估计方法及系统 |
CN116506262B (zh) * | 2023-06-29 | 2023-10-13 | 南京邮电大学 | 用于双irs辅助通信系统的信道估计方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114285702B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114285702B (zh) | 一种用于毫米波irs协作系统的稀疏级联信道估计方法 | |
CN104935366B (zh) | 毫米波通信中的波束搜索方法 | |
CN112187323B (zh) | 混合低精度架构下基于irs的大规模mimo的级联信道估计方法 | |
CN109412983B (zh) | 一种基于dft域的无网格化大规模mimo信道估计算法 | |
CN109714091B (zh) | 一种在毫米波mimo系统中基于分层设计的迭代混合预编码方法 | |
CN114726687B (zh) | 一种智能反射面辅助毫米波大规模mimo系统的信道估计方法 | |
CN114466390B (zh) | 一种基于智能反射面辅助的swipt系统性能优化方法及系统 | |
CN110138425B (zh) | 低复杂度阵列天线多输入多输出系统混合预编码算法 | |
CN110266616B (zh) | 一种基于和差波束测角法的信道估计方法 | |
CN113824478B (zh) | 离散透镜天线阵列辅助的宽带毫米波多用户大规模mimo上行频谱效率优化方法 | |
CN105891771A (zh) | 一种提高估计精度的基于连续分布的角度估计方法与设备 | |
CN114070365B (zh) | 一种智能反射表面辅助的低射频复杂度多用户mimo上行频谱效率优化方法 | |
CN114095318B (zh) | 智能超表面辅助的混合构型毫米波通信系统信道估计方法 | |
CN115085774B (zh) | 一种基于克拉美罗界的通感融合混合波束赋形方法 | |
CN110824414A (zh) | 一种到达角估计的装置及方法 | |
CN114338301A (zh) | 一种基于压缩感知的ris辅助毫米波系统的信道估计方法 | |
CN110071747B (zh) | 一种大规模mimo系统上行链路低复杂度量化比特选择方法 | |
CN114172546A (zh) | Ris辅助mimo系统中一种多参数迭代估计方法 | |
CN110636018B (zh) | 一种网格补偿大规模mimo信道估计方法 | |
KR20230013542A (ko) | 지능형 반사 표면을 포함하는 mimo 시스템 및 이에 적용되는 채널의 합 용량 향상을 위한 지능형 반사 표면의 최적의 위상 변환 행렬 획득 방법 | |
CN116056118A (zh) | 基于主被动混合智能超表面的无线通信传输方法及系统 | |
CN110719127A (zh) | 一种具有恒模约束的毫米波mimo系统波束成形方法 | |
Gao et al. | Wideband hybrid analog-digital beamforming massive MIMO systems based on Rotman lens | |
Song et al. | Deep learning based low-rank channel recovery for hybrid beamforming in millimeter-wave massive MIMO | |
CN114039638A (zh) | 一种混合波束成形器与模数转换器联合设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |