MmWave communication is considered as a key technology for 5G, due to its ability to achieve high date rate by utilizing large bandwidth at 30GHz~300GHz frequency band. MmWave systems have large dimension of the channel for equipping large amounts of antennas, and experiences large path loss causing sparsity in spatial domain. To estimate the channel effectively with less training beams, compressed sensing based channel estimation has been proposed. However, conventional research only consider the ideal antenna radiation pattern, so systems have perfect dictionary knowledge. In this thesis, we propose the channel estimation considering antenna radiation pattern. First, we propose the channel estimation scheme with perfect dictionary knowledge. Second, we propose dictionary learning scheme through indoor training.
밀리미터파(mmWave) 통신은 넓은 주파수 대역을 사용하여 높은 전송 속도를 달성함으로써 5G(5th Generation) 핵심 기술로 여겨진다. 밀리미터파 통신은 경로 감쇄가 매우 커 채널 경로에 희소성을 갖게 되며, 다수의 안테나를 사용하기 때문에 채널의 차원이 매우 커지게 된다. 이로 인해 적은 트레이닝 빔 수로 효과적으로 채널을 추정할 수 있는 압축 센싱 기반 채널 추정에 대한 관심이 커지고 있다. 기존의 연구는 방사 패턴이 이상적이어 딕셔너리를 완벽히 아는 상황을 가정하였다. 본 학위 논문에서는 방사 패턴이 고려되었을 때 채널 추정 방법을 제안한다. 먼저 방사 패턴을 완벽히 알 때의 채널 추정 방법을 제안한다. 그리고 방사 패턴 정보의 부재로 잘못된 딕셔너리를 알고 있을 때, indoor training을 통해 딕셔너리를 추정하는 방법을 제안한다.
