XiaoMi-AI文件搜索系统
World File Search SystemMMSE
增强5G-NR MM波：使用MMSE进行CPE补偿的相位噪声模型评估
I.简介阶段同步是5G新无线电（NR）毫米波（MMWave）通信系统性能的关键组成部分。准确的相位同步对于保持通信的可靠性和效率至关重要，尤其是在MMWave频段内，通常从24 GHz到100 GHz。这些高频带实现了前所未有的数据速率和带宽，这对于满足对高速无线连接的需求不断增长至关重要。5G-NR的演变在很大程度上依赖于MMWave技术来提供增强的移动宽带服务，超可靠的低潜伏期通信和大规模的机器型通信，从而解决了传统频带的容量限制[1-3]。但是，5G-NR MMWAVE网络的部署伴随着重大挑战，尤其是在相位误差的准确估计和补偿中。这些错误来自各种来源，包括振荡器缺陷，通道效应和硬件障碍，所有这些都会引起常见相位误差（CPE）。CPE估计和补偿对于确保MMWave系统中可靠的通信至关重要，因为即使是较小的相位偏差也会大大降低系统性能，从而导致错误率提高和信号质量降低[4]。
通过机器学习接近频道估计的MMSE界限
摘要 - 在无线通信系统中，该信号模型与高斯分布的通道和噪声线性线性，线性最小均方根误差（LMMSE）通道估计（CE）在均方误差（MSE）方面实现了最佳性能。但是，LMMSE CE取决于接收器可能无法使用的参数（例如，准确了解功率延迟profe（PDP））或过于复杂而无法实施实现（例如，LMMSE滤波器大小）。参数的次优选择可能会严重降低LMMSE CE性能。以这种观察的激励，我们研究了机器学习，作为重新填充和改善CE的工具。我们表明，我们提出的低复杂性学习辅助LMMSE CE可以克服次优参数的影响并接近理想的LMMSE性能。