一种基于联合加权和截断的毫米波大规模MIMO信道估计

doi:10.3969/j.issn.1006-2475.2024.04.001

计算机与现代化 ›› 2024, Vol. 0 ›› Issue (04): 1-4.doi: 10.3969/j.issn.1006-2475.2024.04.001

• 算法设计与分析 • 下一篇

一种基于联合加权和截断的毫米波大规模MIMO信道估计

（南京邮电大学通信与信息工程学院，江苏南京 210003）

出版日期:2024-04-30 发布日期:2024-05-13
作者简介: 作者简介：张志能（1996—），男，江苏淮安人，硕士研究生，研究方向：无线通信系统，E-mail： 2631253783@qq.com；黄学军（1967—），男，安徽天长人，副教授，博士，研究方向：现代无线通信，物联网，E-mail： huangxj@njupt.edu.cn。
基金资助:
基金项目：国家自然科学基金资助项目（61427801）

A mmWave Massive MIMO Channel Estimation Based on Joint Weighted#br# and Truncated Nuclear Norm

（School of Communications and Information Engineering， Nanjing University of Posts and Telecommunications，
Nanjing 210003， China）

Online:2024-04-30 Published:2024-05-13

摘要/Abstract

摘要： 摘要：提出一种联合加权和截断核范数的毫米波大规模多输入多输出（MIMO）信道估计算法。针对毫米波大规模MIMO信道估计问题中训练和反馈开销大的问题，首先利用毫米波信道天线角度域稀疏的特性，把信道估计问题转化为低秩矩阵恢复问题。采用一种有效而灵活的秩函数——联合加权截断核范数作为核范数的松弛，构造出一种新的矩阵恢复模型用于信道估计问题，以最小化加权截断核范数为优化目标，并利用交替优化框架求解。仿真结果表明，该方法可以有效地提高信道估计的精度，并且具有可靠的收敛性。

关键词: 关键词：低秩矩阵恢复, 毫米波大规模MIMO, 信道估计, 截断核范数

Abstract: Abstract： In this paper， a millimeter-wave massive multiple input multiple output （MIMO） channel estimation algorithm based on joint weighted and truncated nuclear norm is proposed. Aiming at the problem of high training and feedback overhead in millimeter-wave massive MIMO channel estimation， firstly， the channel estimation problem is transformed into a low-rank matrix recovery problem by using the sparse antenna angle domain of millimeter-wave channel. An effective and flexible rank function， the joint weighted and truncated kernel norm， is adopted as the relaxation of the nuclear norm， and a new matrix recovery model is constructed for channel estimation. The optimization objective is to minimize the weighted and truncated nuclear norm， and it is solved by an alternating optimization framework. The simulation results show that this method can effectively improve the accuracy of channel estimation and has reliable convergence.

Key words: Key words： low rank matrix recovery, millimeter wave massive MIMO, channel estimation, truncated nuclear norm

中图分类号:

TN929.5

张志能, 黄学军. 一种基于联合加权和截断的毫米波大规模MIMO信道估计[J]. 计算机与现代化, 2024, 0(04): 1-4.

ZHANG Zhineng, HUANG Xuejun. A mmWave Massive MIMO Channel Estimation Based on Joint Weighted#br# and Truncated Nuclear Norm[J]. Computer and Modernization, 2024, 0(04): 1-4.

参考文献

［1］ PI Z Y， KHAN F. An introduction to millimeter-wave mobile broadband systems［J］. IEEE Communications Magazine， 2011，49（6）：101-107.
［2］ BOGALE T E， LE L B. Massive MIMO and mmWave for 5G wireless HetNet： Potential benefits and challenges［J］. IEEE Vehicular Technology Magazine， 2016，11（1）：64-75.
［3］ ALKHATEEB A， MO J H， GONZALEZ-PRELCIC N， et al. MIMO precoding and combining solutions for millimeter-wave systems［J］. IEEE Communications Magazine， 2014，52（12）：122-131.
［4］ HOU W H， SUN J L， GUI G， et al. Federated learning for DL-CSI prediction in FDD massive MIMO systems［J］. IEEE Wireless Communications Letters， 2021，10（8）：1810-1814.
［5］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［J］. 南京邮电大学学报（自然科学版）， 2018，38（5）：56-62.
［6］ LAHBIB N D， CHERIF M， HIZEM M， et al. Channel estimation for TDD uplink massive MIMO systems via compressed sensing［C］// Proceedings of the 2019 15th International Wireless Communications & Mobile Computing Conference （IWCMC）. IEEE， 2019：1680-1684.
［7］ AKBARPOUR-KASGARI A， ARDEBILIPOUR M. Massive MIMO-OFDM channel estimation via distributed compressed sensing［J］. IEEE Wireless Communications Letters， 2019，8（2）：376-379.
［8］ CAI T T， WANG L. Orthogonal matching pursuit for sparse signal recovery with noise［J］. IEEE Transactions on Information theory， 2011，57（7）：4680-4688.
［9］ BELLILI F， SOHRABI F， YU W. Generalized approximate message passing for massive MIMO mmwave channel estimation with Laplacian prior［J］. IEEE Transactions on Communications， 2019，67（5）：3205-3219.
［10］ BECK A， TEBOULLE M. A fast iterative shrinkage-thresholding algorithm for linear inverse problems［J］. SIAM Journal on imaging Sciences， 2009，2（1）：183-202.
［11］ XIE H X， GAO F F， JIN S. An overview of low-rank channel estimation for massive MIMO systems［J］. IEEE Access， 2016，4：7313-7321.
［12］ LI X J， FANG J， LI H B， et al. Millimeter wave channel estimation via exploiting joint sparse and low-rank structures［J］. IEEE Transactions on Wireless Communications， 2017，17（2）：1123-1133.
［13］ XIE Y， QU Y Y， TAO D C， et al. Hyperspectral image restoration via iteratively regularized weighted schatten p-norm minimization［J］. IEEE Transactions on Geoscience and Remote Sensing， 2016，54（8）：4642-4659.
［14］ WEN F， CHU L， YING R D， et al. Fast and positive definite estimation of large covariance matrix for high-dimensional data analysis［J］. IEEE Transactions on Big Data， 2021，7（3）：603-609.
［15］ SHEN W Q， DAI L L， SHIM B， et al. Joint CSIT acquisition based on low-rank matrix completion for FDD massive MIMO systems［J］. IEEE Communications Letters， 2015，19（12）：2178-2181.
［16］ VLACHOS E， ALEXANDROPOULOS G C， THOMPSON J. Massive MIMO channel estimation for millimeter wave systems via matrix completion［J］. IEEE Signal Processing Letters， 2018，25（11）：1675-1679.
［17］ YU K W， SHEN M， WANG R， et al. Joint nuclear norm and [ℓ]1-2-regularization sparse channel estimation for mmwave massive MIMO systems［J］. IEEE Access， 2020，8：155409-155416.
［18］ HEATH R W， GONZALEZ-PRELCIC N， RANGAN S， et al. An overview of signal processing techniques for millimeter wave MIMO systems［J］. IEEE Journal of Selected Topics in Signal Processing， 2016，10（3）：436-453.
［19］ BRADY J， BEHDAD N， SAYEED A M. Beamspace MIMO for millimeter-wave communications： System architecture， modeling， analysis， and measurements［J］. IEEE Transactions on Antennas and Propagation， 2013，61（7）：3814-3827.
［20］彭义刚，索津莉，戴琼海，等. 从压缩传感到低秩矩阵恢复：理论与应用［J］. 自动化学报， 2013，39（7）：981-994.
［21］ CANDES E J， TAO T. The power of convex relaxation： Near-optimal matrix completion［J］. IEEE Transactions on Information Theory， 2010，56（5）：2053-2080.
［22］ NGUYEN S L H， GHRAYEB A. Compressive sensing-based channel estimation for massive multiuser MIMO systems［C］// Proceedings of the 2013 IEEE Wireless Communications and Networking Conference （WCNC）. IEEE， 2013：2890-2895.
［23］ CAI J F， CANDES E J， SHEN Z W. A singular value thresholding algorithm for matrix completion［J］. SIAM Journal on Optimization， 2010，20（4）：1956-1982.
［24］ ZHANG D B， HU Y， YE J P， et al. Matrix completion by truncated nuclear norm regularization［C］// Proceedings of the 2012 IEEE Conference on Computer Vision and Pattern Recognition. IEEE， 2012：2192-2199.
［25］ GU S H， ZHANG L， ZUO W M， et al. Weighted nuclear norm minimization with application to image denoising［C］// Proceedings of the 2014 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. IEEE， 2014：2862-2869.
［26］ BOYD S， PARIKH N， CHU E， et al. Distributed optimization and statistical learning via the alternating direction method of multipliers［J］. Foundations and Trends[Ⓡ] in Machine Learning， 2011，3（1）：1-122.

[1]	张晶晶, 黄学军. 基于矩阵恢复的OFDM信道估计方法[J]. 计算机与现代化, 2024, 0(05): 1-4.
[2]	史清林, 刘丽哲, 李行健. 基于大规模MIMO的散射信道估计技术[J]. 计算机与现代化, 2022, 0(12): 18-25.
[3]	金龙, 吴游, 张泳翔. 基于改进SRGAN的OFDM信道估计方法[J]. 计算机与现代化, 2021, 0(10): 112-118.
[4]	陈亮亮，刘玉莹，詹春. 改进的OFDM系统半盲信道估计算法[J]. 计算机与现代化, 2014, 0(12): 83-86.
[5]	龚松;刘莉. OFDM系统的信道估计与检测方法研究[J]. 计算机与现代化, 2013, 1(5): 131-134.
[6]	徐轩;周力. LTE上行链路信道估计的算法研究[J]. 计算机与现代化, 2012, 1(9): 174-177.

一种基于联合加权和截断的毫米波大规模MIMO信道估计

A mmWave Massive MIMO Channel Estimation Based on Joint Weighted#br# and Truncated Nuclear Norm

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 6

编辑推荐

Metrics

本文评价