Uplink-Aided High Mobility Downlink Channel Estimation Over Massive MIMO-OTFS System
Notice bibliographique
Résumé
Although it is often used in the orthogonal frequency division multiplexing (OFDM) systems, application of massive multiple-input multiple-output (MIMO) over the orthogonal time frequency space (OTFS) modulation could suffer from enormous training overhead in high mobility scenarios. In this paper, we propose one uplink-aided high mobility downlink channel estimation scheme for the massive MIMO-OTFS networks. Specifically, we firstly formulate the time domain massive MIMO-OTFS signal model along the uplink and adopt the expectation maximization based variational Bayesian (EM-VB) framework to recover the uplink channel parameters including the angle, the delay, the Doppler frequency, and the channel gain for each physical scattering path. Correspondingly, with the help of the fast Bayesian inference, one low complex approach is constructed to overcome the bottleneck of the EM-VB. Then, we fully exploit the angle, delay and Doppler reciprocity between the uplink and the downlink and reconstruct the angles, the delays, and the Doppler frequencies for the downlink massive channels at the base station. Furthermore, we examine the downlink massive MIMO channel estimation over the delay-Doppler-angle domain. The channel dispersion of the OTFS over the delay-Doppler domain is carefully analyzed and is utilized to associate one given path with one specific delay-Doppler grid if different paths of any user have distinguished delay-Doppler signatures. Moreover, when all the paths of any user could be perfectly separated over the angle domain, we design the effective path scheduling algorithm to map different users' data into the orthogonal delay-Doppler-angle domain resource and achieve the parallel and low complex downlink 3D channel estimation. For the general case, we adopt the least square estimator with reduced dimension to capture the downlink delay-Doppler-angle channels. Various numerical examples are presented to confirm the validity and robustness of the proposed scheme.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».