在无线通讯中,通道状态资讯(CSI)是通讯链路的已知通道特性。这些资讯描述了信号从发射器到接收器的传播方式,并代表了例如散射、衰减和距离衰减等因素的综合影响。这一过程被称为通道估计。透过CSI,无线通讯能够根据当前通道状况调整传输,这对于在多天线系统中实现高数据速率的可靠通讯至关重要。
通道状态资讯通常需要在接收端进行估计,并量化后反馈给发射器(虽然在时分双工(TDD)系统中,也有可能进行反向链路估计)。因此,发射器和接收器之间的CSI可能会有所不同,通常称为CSIT(发射端的通道状态资讯)和CSIR(接收端的通道状态资讯)。
CSI的获取几乎总是受到通道条件变化速度的限制。快速衰落系统中,当通道环境迅速变化时,仅使用统计CSI是合理的。
通道状态资讯基本上可以分为两个级别:瞬时CSI和统计CSI。瞬时CSI(或短期CSI)意味着当前通道状况是已知的,可以视为知道数字滤波器的脉冲响应。这使得有机会根据脉冲响应调整传输信号,从而优化接收信号以实现空间复用或低比特错误率。
相反,统计CSI(或长期CSI)则意味着对通道的统计特征有一定的了解,这可以包括衰落分布类型、平均通道增益、直视成分和空间相关性。这些信息也可用于传输优化。
在实际系统中,可用的CSI通常介于这两个级别之间;具有一些估计/量化误差的瞬时CSI与统计信息相结合。
瞬时CSI的理想情况下,通道矩阵H是完全已知的。然而,由于通道估计的误差,通道信息可以表示为其估计值,这进一步影响了通道的可靠性。在快速衰落的情况下,估计过程的有效性成为关键,因为连续的信号需要快速而准确的通道状态资讯。
统计CSI提供的补充资讯使传输优化成为可能,即使在瞬时信息不完全的情况下,也能提高通讯效果。这使得即便是在不同的环境条件下,无线通讯系统仍然能够有效地调整其操作策略。
通道估计方法包括了训练序列(或导频序列),即使用已知信号进行传送,并透过接收的信号和已知的发送信号共同估算通道矩阵H。这个过程需要考虑接收到的多个导频信号,相互结合才能准确估算通道的信息。
在最小平方估计(LS估计)中,当通道和噪声分布不知时,估计可以透过最小化均方误差来得以改善。
如果通道和噪声的分布已知,则可以用贝叶斯估计来进一步减少估计误差。这一方法充分利用了先前通道的统计特性,并且比LS估计在准确性上有明显提升。透过这些技术的大力发展,进一步加强了无线通信中通道估计的潜力。
随着深度学习的进步,最近有研究表明可以通过神经网络来进行通道状态资讯估算。比如使用2D/3D卷积神经网络,不仅可以划时代地减少导频信号的数量,还能获得更好的性能。这主要得益于神经网络在时间和频率上进行良好的插值能力。
数据辅助估计(即基于已知数据进行估计)和盲估计(只根据接收数据进行估计)之间的权衡是准确性与开销问题。虽然数据辅助方法通常需要更多带宽,但它的准确性往往超过盲估计。
然而,在一个快速变动的通信环境中,如何平衡准确性与开销仍然是一个重要的研究课题。随着无线技术的迅猛发展,通道状态资讯的估计方法也在不断演进,那么未来无线通信面临的挑战又会是什么呢?