可重构智能表面中的低复杂度毫米波信道追踪算法

针对可重构智能表面(RIS)中的毫米波通信系统,用户至RIS端信道角度参数的缓慢变化,该文提出一种基于牛顿算法的低复杂度信道追踪方案。该方案将RIS部分元件连接射频(RF)链,首先使用2维快速傅里叶变换 (2D-FFT)算法初始化估计角度,并且使用最大似然算法估计路径增益。在后续时隙中,使用牛顿算法追踪每个时隙的角度参数。由于环境突然变化和终端缓慢变化会导致信道矩阵发生突变,若检测到信道突变,则再次初始化参数,否则使用牛顿算法继续追踪角度参数。仿真结果表明,该方案在具有优良性能的前提下复杂度可以达到最低,极大节约算力资源,在计算复杂度和性能之间可以取得很好的平衡。     

可重构智能表面中低复杂度毫米波信道估计算法

针对可重构智能表面(RIS)辅助的大规模多输入多输出(MIMO)毫米波系统中信道估计复杂度高的问题,该文提出一种低复杂度的信道估计算法。在该方案中,将RIS部分元素连接射频(RF)链,分离估计基站/用户和RIS之间的信道,分开获取信道有助于提升用户移动性场景下信道估计的灵活性。在所考虑系统中,首次使用低复杂度的2维快速傅里叶变换(2D-FFT)算法对角度进行估计,并考虑信号补零以获得更加精准的角度估计值,最后利用信号2维空间谱的谱峰和其对应的辐角得到路径增益估计。仿真结果表明,该算法达到了优良的信道估计性能,且在确保信道估计性能的系统参数设置下,该算法具有压倒性的复杂度优势。     

基于期望传播算法的多天线信号检测：架构、技术与挑战

近年来,期望传播(Expectation Propagation,EP)算法被广泛应用于多输入多输出(Multiple-Input Multiple-Output,MIMO)信号检测。EP是一种优良的贝叶斯推断算法,能够良好匹配信号检测工作所对应的贝叶斯模型,是目前接近最优检测算法的先进检测算法之一。面向6G,EP可在诸多场景达成高性能信号检测,对未来超高可靠通信需求提供支撑,具有实际研究意义。然而,当前研究缺乏该算法的综述性分析,相关研究人员缺乏直观学习参考。概述了基于期望传播算法的MIMO信号检测架构以及相关技术研究现状,总结了现有问题并展望了未来研究挑战,旨在为相关研究人员提供思路,为EP信号检测算法服务6G实际通信场景做出贡献。     

基于模型驱动深度学习的OTFS信道估计

针对单输入单输出(SISO)的正交时频空间(OTFS)调制系统,该文利用一种模型驱动深度学习算法进行OTFS信道估计。该方案首先将去噪近似消息传递(DAMP)算法进行深度展开,利用去噪卷积神经网络代替传统的去噪器,对含噪的时延多普勒信道进行去噪估计,然后提供了状态演化方程来预测可学习去噪近似消息传递(LDAMP)算法的理论归一化均方误差性能。仿真结果表明,相比于其他估计方案,该方案不仅在低信噪比条件下具有优越的性能表现,而且还具有非常好的鲁棒性,在信道路径总数不变时,增加OTFS 2维网格点数量,可以有效提升信道估计精确度。