Extremely large-scale massive MIMO (XL-MIMO) is a promising technique for future 6G communications.However, existing far-field or near-field channel model mismatches the hybrid-field channel feature in the practical XL-MIMO system.Thus,existing far-field and near-field channel estimation schemes cannot be directly used to accurately estimate the hybrid-field XL-MIMO channel. To solve this problem, we propose an efficient hybrid-field channel estimation scheme by accurately modeling the XL-MIMO channel.Specifically,we firstly reveal the hybrid-field channel feature of the XL-MIMO channel, where different scatters may be in far-field or near-field region.Then, we propose a hybrid-field channel model to capture this feature, which contains both the far-field and near-field path components. Finally, we propose a hybrid-field channel estimation scheme, where the far-field and near-field path components are respectively estimated. Simulation results show that the proposed scheme performs better than existing schemes.


翻译:极大规模的大型MIMO(XL-MIMO)是未来6G通信的一个很有希望的技术。 然而,现有的远地或近地频道模型与实际的XL-MIMO系统中的混合现场频道特征不匹配。 因此,现有的远地和近地频道估算计划不能直接用来准确估计混合现场XL-MIMO频道。为了解决这一问题,我们建议了一个高效的混合现场频道估算计划,方法是精确地模拟XL-MIMO频道。 具体地说,我们首先揭示了XL-MIMO频道的混合现场频道特征,在那里,不同的分散分布可能发生在远地或近地区域。然后,我们提议了一个混合现场频道模型来捕捉这一特征,其中包含远地和近地路径组成部分。最后,我们提议了一个混合现场频道估算计划,其中分别估算远地和近地路径组成部分。模拟结果显示,拟议的计划比现有的计划要好。

0
下载
关闭预览

相关内容

知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
105+阅读 · 2020年6月10日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
19篇ICML2019论文摘录选读!
专知
28+阅读 · 2019年4月28日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Arxiv
0+阅读 · 2022年1月24日
Smoothed Model-Assisted Small Area Estimation
Arxiv
0+阅读 · 2022年1月21日
Arxiv
5+阅读 · 2021年2月8日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
19篇ICML2019论文摘录选读!
专知
28+阅读 · 2019年4月28日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员