Terahertz (THz) communication is considered to be a promising technology for future 6G network. To overcome the severe attenuation and relieve the high power consumption, massive MIMO with hybrid precoding has been widely considered for THz communication. However, accurate wideband channel estimation is challenging in THz massive MIMO systems. The existing wideband channel estimation schemes based on the ideal assumption of common sparse channel support will suffer from a severe performance loss due to the beam split effect. In this paper, we propose a beam split pattern detection based channel estimation scheme to realize reliable wideband channel estimation. Specifically, a comprehensive analysis on the angle-domain sparse structure of the wideband channel is provided by considering the beam split effect. Based on the analysis, we define a series of index sets called as beam split patterns, which are proved to have a one-to-one match to different physical channel directions. Inspired by this one-to-one match, we propose to estimate the physical channel direction by exploiting beam split patterns at first. Then, the sparse channel supports at different subcarriers can be obtained by utilizing a support detection window. This support detection window is generated by expanding the beam split pattern which is determined by the obtained physical channel direction. The above estimation procedure will be repeated path by path until all path components are estimated. The proposed scheme exploits the wideband channel property implied by the beam split effect, which can significantly improve the channel estimation accuracy. Simulation results show that the proposed scheme is able to achieve higher accuracy than existing schemes.


翻译:Terahertz (Thz) 通信被认为是未来 6G 网络的一个大有希望的技术。 为了克服严重的衰减和减轻高电耗, 广泛考虑对Thz 通信进行大规模混合编码的大型MIMO 。 但是, 在Thz 大规模移动的 MIMO 系统中, 准确的宽频频道估算具有挑战性。 基于常见稀散频道支持的理想假设的现有宽频频道估算计划将因光束分割效应而遭受严重性能损失。 在本文中, 我们提议采用基于光谱分割模式的频道估测方案, 以实现可靠的宽频带频道估测。 具体地说, 对宽频带频道角- 稀疏漏结构的全面分析是通过考虑到光谱分割效应而提供的。 根据分析, 我们定义了一系列称为“ 线分割模式” 的指数集集, 被证明与不同物理频道支持方向是一对一对一的。 我们提议首先通过利用光谱分割模式来估算物理频道方向。 然后, 通过使用支持的路径图解方式, 将获得不同精密的频道支持, 将显示所有路径的预选程序 。 。 将通过反复的预选的路径得到 。 。 将显示的路径的路径将被确定 。 。 。 。 将 。 将 将 将 将 将 将 以 将 以 以 以 以 以 以 确定 平流 平流 平流路段 的方式 方式 确定 确定 将 将 将 确定为 。

0
下载
关闭预览

相关内容

专知会员服务
75+阅读 · 2021年9月27日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
108+阅读 · 2020年6月10日
专知会员服务
60+阅读 · 2020年3月19日
生成式对抗网络GAN异常检测
专知会员服务
116+阅读 · 2019年10月13日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
【资源】语音增强资源集锦
专知
8+阅读 · 2020年7月4日
内涵网络嵌入:Content-rich Network Embedding
我爱读PAMI
4+阅读 · 2019年11月5日
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
LibRec 精选:近期15篇推荐系统论文
LibRec智能推荐
5+阅读 · 2019年3月5日
CCF B类期刊IPM专刊截稿信息1条
Call4Papers
3+阅读 · 2018年10月11日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
VIP会员
相关VIP内容
专知会员服务
75+阅读 · 2021年9月27日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
108+阅读 · 2020年6月10日
专知会员服务
60+阅读 · 2020年3月19日
生成式对抗网络GAN异常检测
专知会员服务
116+阅读 · 2019年10月13日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
【资源】语音增强资源集锦
专知
8+阅读 · 2020年7月4日
内涵网络嵌入:Content-rich Network Embedding
我爱读PAMI
4+阅读 · 2019年11月5日
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
LibRec 精选:近期15篇推荐系统论文
LibRec智能推荐
5+阅读 · 2019年3月5日
CCF B类期刊IPM专刊截稿信息1条
Call4Papers
3+阅读 · 2018年10月11日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员