基于像素可重构天线多输入多输出系统的信道估计和波束赋形

    像素可重构天线因其对辐射特性(如增益、方向性与极化特性)的灵活调控能力而备受关注。其核心挑战在于状态不可分离信道响应，它将天线可重构状态与无线散射路径的离开角耦合在一起。这一耦合使传统信道估计方法失效，针对某一状态获取的信道估计结果无法推广至其他状态，导致导频开销过高，波束赋形也因此变得复杂。本文介绍一种基于稀疏信道恢复框架的上行信道估计与下行波束赋形方案，基于实测数据构建深度神经网络天线辐射函数近似可分离信道响应模型，并采用变分贝叶斯推理技术设计低复杂度隐信道参数估计算法，可预测所有天线状态下的复合信道。该方法适用于各类可重构天线，亦可拓展至基于像素天线的可重构智能反射面系统，充分挖掘新一代天线在6G大规模MIMO系统中的潜力，实现极高频谱效率，推动先进智能无线网络发展。