张量基础的双极化大规模MIMO系统的信道估计（Matlab代码实现）

  💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

 ⛳️赠与读者

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、文章

---

 ⛳️赠与读者

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑。哲学是科学之母，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。

     或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

💥1 概述

参考文献：

摘要：3GPP建议将双极化（DP）天线阵列与双向（DD）信道模型结合起来进行下行信道估计。这种组合在高容量通信和简约信道建模之间取得了良好的平衡，同时为下行信道状态信息带来了有限反馈方案——因为这种信道可以通过几个关键参数完全描述。然而，大多数现有的基于DD模型的信道估计工作尚未考虑DP阵列，可能是因为复杂的阵列流形和由此导致的算法设计难度。在本文中，我们首先揭示了在发射机和接收机处使用DP阵列的DD信道可以自然地建模为低秩张量，因此可以通过张量分解算法有效地估计信道的关键参数。在理论方面，我们表明在非常温和的条件下，可以通过低秩张量的可识别性来识别DD-DP参数。此外，我们开发了一种压缩张量分解算法来减轻下行训练开销。我们展示了通过精心设计的导频结构，即使导频序列的大小远远小于传统信道识别方法（例如线性最小二乘和匹配滤波）所需的大小，仍然可以通过压缩张量分解公式来识别信道参数。通过数值仿真展示了所提出方法的有效性。

关键词：信道估计 张量 应力 接收天线 天线阵列 信号处理算法 MIMO通信 下行

📚2 运行结果

部分代码：

function f = PUMA(u)

N = length(u);

J1 = eye(N-1,N);
J2 = [zeros(N-1,1),eye(N-1)];

u1 = J1*u;
u2 = J2*u;

f = pinv(u1)*u2;

% w = tmp(u,round(2*N/3),f);
% f = exp(1j*w);

it = 0;
while it < 3
    A = J2 - J1*f;
    W = A*A';
    f = (u1'/W*u2)/(u1'/W*u1);
    it = it + 1;   
end

doa = asin(angle(f)/pi)*180/pi;
f = angle(f);

end

function [w,DOA] = tmp(us,m,z2)
[M,K] = size(us);
z = angle( eig(us(1:m,:)\us(M-m+1:end,:)) );
w = zeros(K,1);
l = floor((M-m-1)/2);
dt = [];
for i = 1:K
    d = ((-l:l) * 2*pi + z(i))/(M-m);
    dt = [dt,d];
end
for i = 1:K

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

🌈4 Matlab代码、文章

资料获取，更多粉丝福利，MATLAB|Simulink|Python资源获取