論文の概要: Observation Matrix Design for Densifying MIMO Channel Estimation via 2D Ice Filling

• arxiv url: http://arxiv.org/abs/2510.08887v1
• Date: Fri, 10 Oct 2025 00:54:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:47.906622
• Title: Observation Matrix Design for Densifying MIMO Channel Estimation via 2D Ice Filling
• Title（参考訳）: 2次元氷充填によるMIMOチャネルの密度化のための観察行列設計
• Authors: Zijian Zhang, Mingyao Cui,
• Abstract要約: この目的を達成するために,2次元アイスフィリング (2DIF) アルゴリズムを提案する。 2段2DIF(TS-2DIF)アルゴリズムは、位相シフト器によって実現されたアナログ結合回路を扱うために開発された。
• 参考スコア（独自算出の注目度）: 11.48862051974519
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: In recent years, densifying multiple-input multiple-output (MIMO) has attracted much attention from the communication community. Thanks to the subwavelength antenna spacing, the strong correlations among densifying antennas provide sufficient prior knowledge about channel state information (CSI). This inspires the careful design of observation matrices (e.g., transmit precoders and receive combiners), that exploits the CSI prior knowledge, to boost channel estimation performance. Aligned with this vision, this work proposes to jointly design the combiners and precoders by maximizing the mutual information between the received pilots and densifying MIMO channels. A two-dimensional ice-filling (2DIF) algorithm is proposed to efficiently accomplish this objective. The algorithm is motivated by the fact that the eigenspace of MIMO channel covariance can be decoupled into two sub-eigenspaces, which are associated with the correlations of transmitter antennas and receiver antennas, respectively. By properly setting the precoder and the combiner as the eigenvectors from these two sub-eigenspaces, the 2DIF promises to generate near-optimal observation matrices. Moreover, we further extend the 2DIF method to the popular hybrid combining systems, where a two-stage 2DIF (TS-2DIF) algorithm is developed to handle the analog combining circuits realized by phase shifters. Simulation results demonstrate that, compared to the state-of-the-art schemes, the proposed 2DIF and TS-2DIF methods can achieve superior channel estimation accuracy.
• Abstract（参考訳）: 近年,Multiple-input multiple-output (MIMO) の密度化がコミュニケーションコミュニティから注目を集めている。 サブ波長アンテナ間隔により、密度アンテナ間の強い相関関係は、チャネル状態情報(CSI)について十分な事前知識を提供する。 これにより、CSIの事前知識を生かした観測行列(例えば、プリコーダの送信とコンバインダの受信)を慎重に設計し、チャネル推定性能を向上する。 このビジョンに合わせて、この研究は、受信したパイロット間の相互情報を最大化し、MIMOチャネルを密度化することで、コンバインダーとプリコーダを共同で設計することを提案する。 この目的を達成するために,2次元アイスフィリング (2DIF) アルゴリズムを提案する。 このアルゴリズムは、MIMOチャネル共分散の固有空間を2つのサブ固有空間に分離することができ、それぞれ送信アンテナと受信アンテナの相関関係に関連付けられる。 プリコーダとコンバインダをこれら2つのサブ固有空間から固有ベクトルとして適切に設定することにより、2DIFは準最適観測行列を生成することを約束する。 さらに、2DIF法を一般的なハイブリッド合成システムに拡張し、2段2DIF(TS-2DIF)アルゴリズムを開発し、位相シフタにより実現されたアナログ結合回路を処理する。 シミュレーションの結果,2DIF法とTS-2DIF法は現状の手法と比較して,より優れたチャネル推定精度が得られることが示された。

関連論文リスト

• Deep Learning Based Joint Channel Estimation and Positioning for Sparse XL-MIMO OFDM Systems [25.910259131859185]
  位置推定とチャネル推定を組み合わせた深層学習に基づく2段階のフレームワークを提案する。 位置決め段階では、ユーザの座標を予測し、チャネル推定段階で利用する。 本稿では,チャネル推定と位置推定のためのU字型マンバアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-07-26T12:47:39Z)
• Two-Timescale Joint Transmit and Pinching Beamforming for Pinching-Antenna Systems [58.27781210487552]
  ピンチングアンテナシステム (PASS) は、多数の低Kuピンチングアンテナを介して、アクティベーション位置を調節可能なライン・オブ・ライト・リンクを容易にする革命的フレキシブルアンテナとして提案されている。 2時間スケール問題を2つのサブプロブレムに分離するために, 一次二重分解法を開発した。
  論文  参考訳（メタデータ） (2025-04-13T16:58:35Z)
• Joint Transmit and Pinching Beamforming for Pinching Antenna Systems (PASS): Optimization-Based or Learning-Based? [89.05848771674773]
  MISO (Multiple-input Single-output) フレームワークを提案する。 それは複数の導波路で構成されており、多数の低コストアンテナ(PA)を備えている。 PAの位置は、大規模パスと空間の両方にまたがるように再構成することができる。
  論文  参考訳（メタデータ） (2025-02-12T18:54:10Z)
• Deep-Learning-Based Channel Estimation for Distributed MIMO with 1-bit Radio-Over-Fiber Fronthaul [11.370869277334227]
  分散マルチインプット・マルチアウトプット(MIMO)アーキテクチャにおけるパイロット支援・アップリンクチャネル推定の問題点を考察する。 我々は最近Nguyenらによって提案されたディープラーニングに基づくチャネル推定アルゴリズムを適用した。 提案手法は,Bussgang線形最小二乗誤差チャネル推定器よりも有意に優れていることを示す。
  論文  参考訳（メタデータ） (2024-06-17T08:38:29Z)
• Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
  本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。 エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。 提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
  論文  参考訳（メタデータ） (2023-06-08T06:15:17Z)
• Deep Generative Models for Downlink Channel Estimation in FDD Massive MIMO Systems [13.267048706241157]
  この課題に対処するために, 深部生成モデル(DGM)に基づく手法を提案する。 アップリンクチャネルとダウンリンクチャネルの部分的相互性を実行し、まず、周波数非依存のチャネルパラメータを推定する。 次に、各伝搬路の位相である周波数固有チャネルパラメータをダウンリンクトレーニングにより推定する。
  論文  参考訳（メタデータ） (2022-03-09T18:32:10Z)
• Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
  大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。 一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。 本稿では2つの新しい推定法を提案する。
  論文  参考訳（メタデータ） (2021-09-06T13:42:32Z)
• Model-Driven Deep Learning Based Channel Estimation and Feedback for Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
  本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。 無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。 MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-22T13:34:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。