.png){kind=icon}
返回
Improved GPR-Based CSI Acquisition via Spatial-Correlation Kernel
.png){kind=icon}
OA
AI
DOI：10.1109/lwc.2026.3704829.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在低导频开销和计算复杂度下实现精确信道估计是高效利用多天线无线系统的关键。受从纯统计描述向物理和几何感知传播模型演进的启发，本研究聚焦于将信道信息融入高斯过程回归（GPR）框架以提升信道估计精度。本研究提出了一种基于GPR的信道估计框架，并引入了一种新颖的空间相关性（SC）核，该核显式捕捉信道的二阶统计特性。我们推导了所提SC基GPR估计器的闭式表达式，并证明其后验均值在二阶统计量相同条件下是线性最小均方误差（LMMSE）意义下的最优解，且无需假设信道服从高斯分布。分析表明，即使导频开销减少50%，所提方法仍可实现最低归一化均方误差、与基准估计器相当的95%可信区间覆盖率，以及优于基准估计器的频谱效率保持能力，同时计算复杂度低于传统LMMSE估计器。
Keyword:
6G
Gaussian process regression
MIMO channel estimation
pilot reduction
spatial-correlation
期刊
I
IF:
5.5
论文数:
797
被引数:
0
机构
引用论文
Electromagnetic information theory-based statistical channel model for improved channel estimation基于电磁信息理论的统计信道模型以提高信道估计性能.png)
IF0
PREAI
分享收藏Nonlinear Sparse Bayesian Learning Methods With Application to Massive MIMO Channel Estimation With Hardware Impairments非线性稀疏贝叶斯学习方法及其在存在硬件损伤的大规模MIMO信道估计中的应用
OAAI
OAAI分享收藏Spatial Correlation Modeling and RS-LS Estimation of Near-Field Channels with Uniform Planar Arrays
IF0
PREAI
分享收藏
查看更多内容