Millimetergolf (mmWave) communicatie heeft veel belangstelling getrokken van de academische wereld, industrie, en de overheid, aangezien zij ten volle gebruik kunnen maken van overvloedige frequentiebronnen op de hoogfrequente band om ultrasnelle gegevensoverdracht te bereiken. De mmWave-communicatiesystemen zijn meestal uitgerust met grote antenne-arrays, bekend als mmWave massieve multiple-input multiple-output (MIMO), om sterk gerichte bundels te genereren en het ernstige padverlies in de hoge frequentieband te compenseren. Echter, de prestaties van directionele bundelvorming zijn grotendeels afhankelijk van de nauwkeurigheid van de acquisitie van kanaalstatusinformatie (CSI). In vergelijking met de traditionele MIMO-systemen, de CSI-acquisitie in mmWave massieve MIMO-systemen is een uitdaging. Aan de ene kant, de grote antenne-arrays vormen een kanaalmatrix met grote afmetingen, wiens schatting meer middelen verbruikt, bijv. pilootreeks overhead, klinkende straal boven het hoofd, en computationele complexiteit. Anderzijds, de mmWave massieve MIMO maakt doorgaans gebruik van een hybride beamforming-architectuur, waar de radiofrequentie (RF) ketens veel minder zijn dan de antennes. Daarom, we kunnen alleen een signaal met een lage dimensie verkrijgen van de RF-ketens in plaats van rechtstreeks een signaal met een hoge dimensie van de frontend-antennes te krijgen, wat de acquisitie van CSI veel uitdagender maakt dan normaal.

CSI-acquisitie omvat straaltraining en kanaalschatting. Soms wordt straaltraining ook straaluitlijning genoemd. Voor de mmWave massieve MIMO met behulp van een elektromagnetische lens die over het algemeen functioneert als een DFT-transformatie van de hoekruimte naar de bundelruimte, straaltraining wordt ook straalselectie genoemd. De straaltraining laat het mmWavemassive MIMO-kanaal klinken met analoge zend- en ontvangststralen om de straalparen te vinden die het beste bij de transmissie passen, die de schatting van een kanaalmatrix met een hoge dimensie kan vermijden. Zodra de straaltraining is voltooid, klassieke methoden zoals kleinste kwadraat of minimale gemiddelde kwadratische foutschatting, kan worden gebruikt om de equivalente kanaalmatrix te schatten met een klein aantal pilootsymbolen. De kanaalschatting richt zich op het schatten van een kanaalmatrix met een hoge dimensie, die flexibel gebruikmaakt van geavanceerde signaalverwerkingstechnieken, zoals gecomprimeerde detectie (CS). Zowel straaltraining als kanaalschatting kunnen naast de traditionele benaderingen gebruikmaken van machine learning-technieken (ML).

In dit artikel, er wordt een overzicht gegeven van CSI-acquisitie voor mmWave massieve MIMO. Ten eerste, de straaltraining nadert, inclusief bundel vegen, hiërarchische straaltraining, en op ML gebaseerde straaltraining worden onderzocht. Met straaltraining, we hoeven alleen een equivalente kanaalmatrix met een lage dimensie te schatten in de schaal van het aantal RF-ketens. Als de andere categorie van CSI-acquisitie, kanaalschatting is gericht op het nauwkeurig schatten van de mmWave massieve MIMO-kanalen. Dan de mainstream-kanaalschattingsmethoden, inclusief op CS gebaseerde schaarse kanaalschatting, op array-signaalverwerking gebaseerde kanaalschatting, en op ML gebaseerde kanaalschatting worden besproken. Eindelijk, verschillende benaderingen in termen van spectrale efficiëntie (SE), rekenkundige complexiteit, en gemaakte overheadkosten worden in detail vergeleken. Er worden ook enkele openstaande punten voor toekomstig onderzoekswerk gegeven.