PulseAugur
实时 11:31:40
English(EN) Hybrid-Field Sparse Channel Representation and Recovery for XL-RIS-Assisted mmWave MIMO Systems

新框架解决6G超大规模可重构智能表面系统的混合场信道估计问题

本文提出了一种新颖的混合场信道估计框架,用于超大规模可重构智能表面(XL-RIS)辅助通信系统,这对未来的6G网络至关重要。所提出的方法通过解耦稀疏字典表示和恢复来解决高维级联信道和远场与近场传播共存带来的挑战。它引入了一种基于Dirichlet核的离网字典压缩(DK-ODC)方案用于稀疏表示,以及一种子空间感知增量变分贝叶斯学习(SI-VBL)算法用于动态信道估计,旨在实现精度、复杂度和存储之间的有利权衡。 AI

影响 这项研究可能通过提高信道估计效率来推进未来6G通信系统的能力。

排序理由 这是一篇研究论文,详细介绍了一种特定通信系统的新型技术框架。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架解决6G超大规模可重构智能表面系统的混合场信道估计问题

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Wenkai Liu, Nan Ma, Jianqiao Chen, Hongtao Zhang, Ping Zhang ·

    Hybrid-Field Sparse Channel Representation and Recovery for XL-RIS-Assisted mmWave MIMO Systems

    arXiv:2608.00052v1 Announce Type: cross Abstract: Extremely large-scale reconfigurable intelligent surface (XL-RIS)-assisted communication is regarded as a key enabling technology for future 6G networks. However, hybrid-field channel estimation for XL-RIS-assisted systems is chal…