在無線通訊中,通道狀態資訊(CSI)是通訊鏈路的已知通道特性。這些資訊描述了信號從發射器到接收器的傳播方式,並代表了例如散射、衰減和距離衰減等因素的綜合影響。這一過程被稱為通道估計。透過CSI,無線通訊能夠根據當前通道狀況調整傳輸,這對於在多天線系統中實現高數據速率的可靠通訊至關重要。
通道狀態資訊通常需要在接收端進行估計,並量化後反饋給發射器(雖然在時分雙工(TDD)系統中,也有可能進行反向鏈路估計)。因此,發射器和接收器之間的CSI可能會有所不同,通常稱為CSIT(發射端的通道狀態資訊)和CSIR(接收端的通道狀態資訊)。
CSI的獲取幾乎總是受到通道條件變化速度的限制。快速衰落系統中,當通道環境迅速變化時,僅使用統計CSI是合理的。
通道狀態資訊基本上可以分為兩個級別:瞬時CSI和統計CSI。瞬時CSI(或短期CSI)意味著當前通道狀況是已知的,可以視為知道數字濾波器的脈衝響應。這使得有機會根據脈衝響應調整傳輸信號,從而優化接收信號以實現空間復用或低比特錯誤率。
相反,統計CSI(或長期CSI)則意味著對通道的統計特徵有一定的了解,這可以包括衰落分佈類型、平均通道增益、直視成分和空間相關性。這些信息也可用於傳輸優化。
在實際系統中,可用的CSI通常介於這兩個級別之間;具有一些估計/量化誤差的瞬時CSI與統計信息相結合。
瞬時CSI的理想情況下,通道矩陣H是完全已知的。然而,由於通道估計的誤差,通道信息可以表示為其估計值,這進一步影響了通道的可靠性。在快速衰落的情況下,估計過程的有效性成為關鍵,因為連續的信號需要快速而準確的通道狀態資訊。
統計CSI提供的補充資訊使傳輸優化成為可能,即使在瞬時信息不完全的情況下,也能提高通訊效果。這使得即便是在不同的環境條件下,無線通訊系統仍然能夠有效地調整其操作策略。
通道估計方法包括了訓練序列(或導頻序列),即使用已知信號進行傳送,並透過接收的信號和已知的發送信號共同估算通道矩陣H。這個過程需要考慮接收到的多個導頻信號,相互結合才能準確估算通道的信息。
在最小平方估計(LS估計)中,當通道和噪聲分佈不知時,估計可以透過最小化均方誤差來得以改善。
如果通道和噪聲的分佈已知,則可以用貝葉斯估計來進一步減少估計誤差。這一方法充分利用了先前通道的統計特性,並且比LS估計在準確性上有明顯提升。透過這些技術的大力發展,進一步加強了無線通信中通道估計的潛力。
隨著深度學習的進步,最近有研究表明可以通過神經網絡來進行通道狀態資訊估算。比如使用2D/3D卷積神經網絡,不僅可以劃時代地減少導頻信號的數量,還能獲得更好的性能。這主要得益於神經網絡在時間和頻率上進行良好的插值能力。
數據輔助估計(即基於已知數據進行估計)和盲估計(只根據接收數據進行估計)之間的權衡是準確性與開銷問題。雖然數據輔助方法通常需要更多帶寬,但它的準確性往往超過盲估計。
然而,在一個快速變動的通信環境中,如何平衡準確性與開銷仍然是一個重要的研究課題。隨著無線技術的迅猛發展,通道狀態資訊的估計方法也在不斷演進,那麼未來無線通信面臨的挑戰又會是什麼呢?