张量分解赋能毫米波MIMO低复杂度信道参数估计

随着5G及未来6G通信系统向更高频段持续演进，毫米波大规模多输入多输出（MIMO）技术被视为提升系统容量与频谱效率的关键路径。然而，毫米波信号传播损耗大、空间路径稀疏，精确高效的信道参数获取仍是系统设计中的核心难题。传统基于最小二乘的估计方法在高维天线阵列场景下计算开销显著，难以满足实际部署对实时性与硬件成本的约束。

近期发表于arXiv的一项研究提出了一种针对下行链路毫米波大规模MIMO的低复杂度张量信道估计框架。该方案在接收端采用被动Butler矩阵进行波束赋形，并将多维接收信号建模为三阶PARAFAC张量结构。研究者借助双线性交替最小二乘（BALS）优化方法，利用已知导频结构有效降低了迭代求解的计算复杂度。在此基础上，方案对一维与二维ESPRIT算法加以组合，对解耦后的空间因子进行处理，从而自动完成到达角与离开角的配对估计，避免了传统方法中常见的角度配对歧义问题。

除算法设计外，论文还针对该张量架构推导了对应的克拉美-罗下界（CRLB），为后续性能评估与对比提供了理论基准。仿真结果验证，所提估计器在中等至高信噪比条件下能够逼近CRLB性能下界，并在信道重构精度上明显优于传统最小二乘方法。这一结果说明，张量分解方法在显著降低计算复杂度的同时，仍可保持高精度的参数提取能力，为毫米波大规模MIMO系统的工程化部署提供了新的技术选项。

【空音视角】 从无线感知从业者视角看，该工作虽聚焦于毫米波通信场景，但其核心方法论对WiFi感知与CSI分析具有借鉴意义。将接收信号建模为张量结构并利用低秩分解提取空间参数，在非接触式生命体征监测、跌倒检测等多径稀疏、维度丰富的应用场景中，同样有望在低计算开销下实现多维参数联合估计。ESPRIT类旋转不变子空间方法与WiFi感知中常见的到达角估计存在共通之处，该论文的自动配对机制与CRLB推导思路，可为空音在多天线感知融合与算法效率优化方面提供有益参考。

—— 本文基于公开报道由空音编辑部 AI 辅助改写 来源：arXiv 信号处理 原文链接：https://arxiv.org/abs/2610.12604