Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2010.00865

帮助 | 高级搜索

计算机科学 > 信息论

arXiv:2010.00865 (cs)
[提交于 2020年10月2日 ]

标题: IRS辅助毫米波多天线量化波束成形的级联信道估计算法

标题: Cascaded Channel Estimation for IRS-assisted Mmwave Multi-antenna with Quantized Beamforming

Authors:Wenhui Zhang, Jindan Xu, Wei Xu, Derrick Wing Kwan Ng, Huan Sun
摘要: 本文中,我们优化了智能反射面(IRS)辅助的毫米波(mmWave)多天线系统中级联信道的信道估计器。在此系统中,接收机配备了采用量化波束成形的混合结构。与传统的多输入多输出(MIMO)系统不同,由于IRS通常是具有有限信号处理能力的被动阵列,因此信道估计的设计面临挑战。我们通过重新表述该系统中的级联信道估计问题并利用典型的均方误差(MSE)准则,以封闭形式推导出优化的信道估计器。考虑到毫米波信道中可能存在信道稀疏性,我们通过利用信道稀疏性来推广所提出的方法,以进一步提高性能和降低计算复杂度。仿真结果验证了所提出的估计器显著优于现有的估计器。
摘要: In this letter, we optimize the channel estimator of the cascaded channel in an intelligent reflecting surface (IRS)-assisted millimeter wave (mmWave) multi-antenna system. In this system, the receiver is equipped with a hybrid architecture adopting quantized beamforming. Different from traditional multiple-input multiple-output (MIMO) systems, the design of channel estimation is challenging since the IRS is usually a passive array with limited signal processing capability. We derive the optimized channel estimator in a closed form by reformulating the problem of cascaded channel estimation in this system, leveraging the typical mean-squared error (MSE) criterion. Considering the presence of possible channel sparsity in mmWave channels, we generalize the proposed method by exploiting the channel sparsity for further performance enhancement and computational complexity reduction. Simulation results verify that the proposed estimator significantly outperforms the existing ones.
主题: 信息论 (cs.IT) ; 信号处理 (eess.SP)
引用方式: arXiv:2010.00865 [cs.IT]
  (或者 arXiv:2010.00865v1 [cs.IT] 对于此版本)
  https://doi.org/10.48550/arXiv.2010.00865
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Wei Xu [查看电子邮件]
[v1] 星期五, 2020 年 10 月 2 日 08:49:23 UTC (1,868 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.IT
< 上一篇   |   下一篇 >
新的 | 最近的 | 2020-10
切换浏览方式为:
cs
eess
eess.SP
math
math.IT

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号