Ref : Myers N J, Mezghani A, Heath R W, et al. Swift-Link: A Compressive Beam Alignment Algorithm for Practical mmWave Radios[J]. IEEE Transactions on Signal Processing, 2019, 67(4): 1104-1119.
今天阅读 5-12页,耗时:3h 大部分推导没推,看完还是有点晕
本文最大的亮点在于:在CS-based BA 方案中,将消除CFO的问题转化成了一个virtual channel matrix的sample trajectory的优化问题,利用两次不同的sample, p-traject引入了( ϵ \epsilon ϵ),而n-traject引入了( − ϵ -\epsilon −ϵ),两相综合以消除CFO的影响。
运用的数学工具
- DFT matrix property ****
- ZC sequence(Zadoff-Chu) *****
- CS (compressive sensing) **
- little matrix analysis
简述
- system model
MIMO with UPA( uniform planar array) 模拟的波束成形结构(最后仿真仅用了SISO)
- channel model
假设
- 完美的同步
- ends in 2019/03/20
start at 2019/03/21
今日工作量较少,上了一天的课,把前5页的公式看明白,我发现自己第一遍看论文跟白看一样,反思一下原因在于前面有一个地方不懂,后面不懂的问题就堆成小山了
弄清楚的问题:
- 信道建模 y = h x + n y=hx+n y=hx+n这种形式一般是时域的,当 h h h表示衰落时;而 y = H x + n y=Hx+n y=Hx+n是频域的, H H H 是复高斯的,其实这两种并没有什么关系
- ZC sequence properties
- 关于Meijer-G 函数,大部分函数都可以用Meijer-G 函数表示,是个漂亮但是不简洁的公式(Stack exchange真是个好东西)
- 关于再看论文,本篇论文之所以能转化成CS问题的关键在于,利用ZC sequence 对virtual channel matrix G G G进行采样得到M个测量值,也就是说如何从 N 2 N^2 N2个格点中寻找具有相同CFO– ′ ϵ ′ '\epsilon' ′ϵ′的测量值,再寻找 ′ − ϵ ′ '-\epsilon' ′−ϵ′的测量值,这样的测量值排列 即是一条轨迹(存疑),因此将BA-CS恢复的问题转化为轨迹设计的问题
- (月色真美,给自己打打气,其实就算毕不了业也才26吧,haha)
start at 2019/03/23
今天终于把文章大概弄懂了,说大概是因为还有很多细节,觉得从一个简单的idea到最后实施还是需要很多心力,就像哥德巴赫猜想,猜想相对证明总是容易些的,但是对于对数学工具得心应手的人来说,可能这‘猜想’更显得难能可贵。话不多说还是来总结一下
本文最精妙的地方在于通过ZC sequence 进行了如下的变换:
从而将原问题
(Note:这里CFO=0)
转化为:
考虑CFO,
start at 2019/03/24
一篇论文看了这么久真的是~~(这其实是昨天的内容)
上面这个公式可以想到,由于
r
[
n
]
,
c
[
n
]
r[n],c[n]
r[n],c[n]可以自己设计,相当于已知,利用2D-CS可以恢复出矩阵
G
^
=
G
.
∗
P
ϵ
c
o
n
t
\widehat{G}=G.*P_{\epsilon}^{cont}
G
=G.∗Pϵcont,
接下来就是设计
P
ϵ
c
o
n
t
P_{\epsilon}^{cont}
Pϵcont矩阵,以及设计相应的轨迹 以实现
G
^
\widehat{G}
G
的2D-DFT是
G
G
G的2D-DFT的
(
ϵ
,
ϵ
)
(\epsilon,\epsilon)
(ϵ,ϵ)的相移版本,然后再设计个
(
−
ϵ
,
−
ϵ
)
(-\epsilon,-\epsilon)
(−ϵ,−ϵ)的版本,得到这两个
G
^
\widehat{G}
G
的关系,再令其差的Frobenius范数最小,经过一系列转换得到 两个
G
^
\widehat{G}
G
的相位差,最后综合得到
G
^
f
i
n
a
l
\widehat{G}_{final}
G
final
下附算法流程:(看算法感觉比较清晰)
他后面的改进是因为这样做CS算法引入的相位差很大,所以Type-II只是将p-trajectory和n-trajectory的顺序交叉了,10101010这样,(不懂为啥减小了相位差)
啊啊啊啊啊(今天其实还看了7页precoding的 但是学过的SVM 和SMO又忘了)
这篇也是,没有重点