研究了毫米波通信系统下三维透镜天线阵列的波束空间信道估计问题。使用了一种名为 SCAMPI 的图像重构技术进行通道估计，该算法比以前的算法更快和更准确。还提出了一种相位移减少选择网络结构来降低系统的功耗，并证明 SCAMPI 算法即使减少 10％的相移器也是鲁棒的。

Jul, 2017

本文提出一种基于广泛的角度和时间延迟域的毫米波多输入多输出（MIMO）系统的信道估计算法，该算法利用了信道的关节稀疏性，在采用少位模拟数字转换器（ADCs）的情况下解决量化压缩感知问题。我们设计了一种训练序列，使得这些算法的实现效率很高，同时最小化了发射机峰均功率比。通过详细的仿真研究，我们发现这种方法使得 1-bit ADCs 在低信噪比下可以与无限位 ADCs 相媲美，而 4-bit ADCs 在中等信噪比下可以与无限位 ADCs 相媲美。

Oct, 2016

该论文研究了使用大型智能超表面 (LIM) 协助的大规模多输入多输出 (MIMO) 系统中的信道估计问题，并提出了一种基于稀疏矩阵分解和矩阵完备性的二阶段算法来解决该问题。仿真结果表明，该算法能够实现准确的信道估计。

May, 2019

本文旨在提高毫米波通信中有限射频 (RF) 链路下的通道估计。通过利用学习过程探测的近似传递 (LDAMP) 网络，可以学习信道结构和从大量的训练数据中估计信道。该文章结合了分析和仿真结果，表明即使接收机装备较少的 RF 链路数，LDAMP 神经网络也可以显著优于现有的压缩感知算法，从而进一步证明深度学习在毫米波通信中可以成为强有力的工具。

Feb, 2018

本文介绍了一种使用机器学习技术来估计具有随机协方差矩阵的条件高斯随机向量的方法。这种模型在通信系统中非常常见，通过使用建立在结构化模型上 MMSE 估计器的神经网络蓝图，可以在给定精度下获得相似有效的解决方案，同时具备对理论模型之外的实际环境的一些基础的适应性。

Jul, 2017

本研究提出了一种基于深度学习算法的信道估计方法，利用图像处理中的图像超分辨率和图像恢复技术来进行信道估计，实验结果表明该方法的性能与最小均方误差相当，且优于线性最小均方误差的近似算法。

Oct, 2018

本文提出了一个基于深度学习的模型驱动的通道估计和反馈方案，适用于宽带毫米波巨型混合多输入多输出系统，利用角度 - 时延域通道的稀疏性来减少开销。

Apr, 2021

本文讨论毫米波 (mmWave) MIMO-OFDM 系统下行信道估计的问题，利用基站 (BS) 和移动站 (MS) 上的大型天线阵列进行方向预编 / 波束成形。本文提出了一种基于 CANDECOMP/PARAFAC (CP) 分解的方法，以估算信道参数 (包括到达 / 离开角度、时延和衰落系数)，并且通过模拟结果与基于压缩感知的方法进行对比，证明了该方法的性能优越性。

Sep, 2016

采用迭代加权方法对 RIS 辅助下的毫米波 MIMO 信道进行了两级渠道估计，评估了所提出的方案的平均频谱效率和 RIS 波束成型增益，并证明了它实现了高分辨率估计，且平均频谱效率比具有完美 CSI 的方案具有可比性。

Feb, 2020

本研究提出了基于并行因式分解的 频道估计框架，通过交替最小二乘法 和向量近似传递消息的迭代估计算法， 实现了基站和 RIS 之间，以及 RIS 和用户之间 频道的估计，并探讨了基站不同预编码方案 完成下行可达速率计算。仿真结果表明， 所提出的算法优于基准方案，并证实了它的有效性 和鲁棒性。

Aug, 2020