Efficient Channel Estimation for Wideband Millimeter Wave Massive MIMO Systems With Beam Squint
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Massive multiple-input-multiple-output (MIMO) and millimeter wave have been adopted as the enabling technologies for the 5G and beyond 5G (B5G) systems. A challenging problem introduced by the use of large antenna size and wide bandwidth is beam squint, i.e., spatial-wideband effect. Beam squint can significantly degrade the channel estimation performance for conventional channel estimators. Research effort on channel estimation under beam squint conditions has been very limited. For the few available work that attempts to address this problem, they require either all subcarriers or multiple symbols used as pilot for channel estimation, so large overhead becomes inevitable. Therefore, in this paper, we propose an efficient channel estimation method that only requires a small number of subcarriers. The channel estimation problem is formulated as a nonlinear least squares optimization problem. Initial parameter estimation is critical, which will affect the efficiency and convergence of the proposed algorithm. Using a densely-spaced antenna structure and consecutive subcarriers assignment approach, we can effectively avoid the aliasing effect and reduce the ambiguity during the initialization phase. A subcarrier assignment criterion is proposed to achieve the optimal performance. Closed-form expressions of the Cramér-Rao lower bound (CRLB) and the achievable rate are derived to evaluate the performance. Both simulation results and theoretical analysis show that even with a small number of subcarriers, the estimation error closely approaches the CRLB, and its effect is negligible compared with the noise when evaluating the signal-to-noise ratio with a simple linear detector. Furthermore, the number of pilot subcarriers has little impact on the achievable rate.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle