计算机科学 > 信息论
[提交于 2020年3月6日
]
标题: 基于空间信息提取和波束选择的FDD下行链路大规模MIMO统计波束成形
标题: Statistical Beamforming for FDD Downlink Massive MIMO via Spatial Information Extraction and Beam Selection
摘要: 在本文中,我们研究了频分双工(FDD)下行链路大规模MIMO系统中的波束成形设计问题,假设基站(BS)无法获得瞬时信道状态信息(CSI)。我们提出从上行链路信道估计过程中提取下行链路信道的到达角(AoDs)和相应的大尺度衰落系数(也称为空间信息)的信息,基于此提出了一种新的下行链路波束成形设计。通过根据空间信息和物理信道的隐藏稀疏性对不同用户的子路径进行分离,我们在波束成形设计中构建了近正交的虚拟信道。此外,我们推导了所提出系统的总速率表达式及其近似值。基于这些闭式速率表达式,我们开发了两种低复杂度的波束选择方案,并进行了渐近分析,以提供对系统设计的有价值见解。数值结果表明,我们的算法在性能上显著优于现有的波束成形方法。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.