戴老师论文阅读:Joint CSIT Acquisition Based on Low-Rank MatrixCompletion for FDD Massive MIMO Systems

Joint CSIT Acquisition Based on Low-Rank Matrix Completion for FDD Massive MIMO Systems
2015.12

传统:用户端的信道估计需要每个用户单独完成估计,feed back给基站

提出的算法基于信道矩阵的低秩性质,把联合CSIT方案转换为低秩矩阵补全问题。低秩补全是用SVP-H算法来解,对目标函数做迭代求解最优解

        算法中是用户直接feed back pilot observation


第二章  system model

 

 


第三章 提出的基于SVP-H的CSIT获取算法

A。提出的CSIT获取方案

用户端的总体pilot observation

由式子得到H是低秩矩阵

 

BS处的pilot  observation

 

Q看作是已知的,因为用户是选定的,用LS算法得到Y

 

求H转换为低秩矩阵补全问题,同样是非凸问题,转化到核范数

 

 

 

加上不等式约束,现有的算法需要developed才可以解决问题

 

 B。SVP-H算法

上面的部分是线性结果????

以下做SVP的多次迭代求解

SVP-H是hybrid,是结合了SVP-G(梯度下降法)和SVP-N(newton)

 

 

 

 

 流程如图

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值