XL-MIMO近场通信的无网格参数估计新方法

1. 近场XL-MIMO通信的技术挑战与突破

在传统多天线系统中，我们通常假设天线阵列与信号源之间的距离足够远，使得电磁波前可以被近似为平面波。这种远场假设极大地简化了信号处理模型——角度估计可以简化为经典的谱估计问题，基于傅里叶变换或Vandermonde结构的算法（如MUSIC、ESPRIT等）能够有效工作。然而，随着天线阵列规模扩大到XL-MIMO（Extremely Large MIMO）级别，工作频率提升至毫米波甚至太赫兹频段，以及集成感知与通信（ISAC）系统的兴起，传统的远场假设在许多实际场景中不再成立。

当阵列孔径与波长之比达到一定阈值时，电磁波传播必须考虑球面波前特性，这就是所谓的近场区域。在近场条件下，每个传播路径的相位特性同时取决于信号源的方位角和距离，形成了复杂的角度-距离耦合效应。更棘手的是，现代XL-MIMO系统通常采用混合波束成形架构——虽然部署了数百个天线单元，但只有少量射频链路可用。这意味着系统只能通过有限的压缩观测来估计信道状态，进一步增加了参数估计的难度。

传统解决方案是将角度和距离参数离散化，构建二维字典后进行稀疏恢复。这种方法虽然直观，但存在三个根本性缺陷：首先，离散化必然引入基失配误差，导致估计精度受限；其次，随着网格细化，字典维度急剧膨胀，计算复杂度难以承受；最重要的是，网格化会使感知矩阵的相干性增强，破坏压缩感知理论所依赖的等距约束条件，严重影响恢复性能。这些不是可以简单优化的小问题，而是将连续几何现象强行离散化所必然付出的代价。

2. 逆距离坐标系与Bessel-Vandermonde结构

本文的核心创新在于提出了一个根本性的视角转变——不是思考如何更精细地离散化距离参数，而是重新审视我们是否选择了合适的坐标系来描述近场效应。研究团队发现，虽然球面波前破坏了远场的Vandermonde结构，但并没有完全消除谐波特性，而是将其丰富化了。关键在于将距离参数重新参数化为逆距离（1/r），这揭示了近场流形中隐藏的Bessel-Vandermonde结构。

具体而言，通过二阶Fresnel近似和Jacobi-Anger恒等式，球面波导向矢量可以表示为截断的谐波展开式。其中，角度依赖性仍然保持着类似远场的谐波特性，而距离的影响则被吸收到由曲率诱导的系数函数中。当采用逆距离坐标系时，这些系数函数呈现出更好的规律性，能够用紧凑的谱模型来近似。这种表示方法将每个连续的角度-距离对（θ,r）嵌入到一个更高维的提升空间中，形成结构化的秩1原子，而整个近场信道模型则转化为这些原子的线性组合。

数学上，这一转换通过三个关键步骤实现：

1. 定义从物理距离到逆距离的周期性映射：u(r) = 2π[(1/r - x_min)/(x_max - x_min)]
2. 采用分段加权傅里叶模型近似Fresnel/Bessel系数函数
3. 构建连续变换域的导向矢量ϕ_u(u)和v(θ)，通过命题1证明的因子分解，将非线性近场流形转化为线性算子作用在提升变量上

这种表示方法的优势在于：一方面，它完全避免了角度和距离的离散化，保持了参数的连续性；另一方面，在混合波束成形架构下，测量模型仍然保持线性特性，使得压缩观测可以直接应用于连续的提升空间。

3. 二维原子范数最小化框架

基于上述提升表示，近场参数估计问题可以转化为一个二维原子范数最小化问题。原子范数是近年来发展的一种用于连续参数估计的强大工具，它本质上是将信号表示为最简单构建块（原子）的最小加权和。在本文的设定中，原子集A定义为所有可能的ϕ_u(u)v(θ)^H组合，对应的原子范数记为∥X∥_A。

具体恢复算法通过以下凸优化问题实现：

min ∥Z∥_A s.t. ∥y - B'z∥_2 ≤ η

其中η是噪声水平的界。这个看似抽象的问题实际上可以通过半定规划（SDP）来高效求解。关键在于利用多维Toeplitz矩提升技术，将原子范数表示为如下可计算的SDP形式：

min 1/(2N_uN_b) tr(T_2D(V)) + t/2 s.t. [T_2D(V) z; z^H t] ⪰ 0 ∥y - B'z∥_2 ≤ η

这里T_2D(V)是一个二维块Toeplitz矩阵，它同时捕捉了逆距离维度（u）和角度维度（θ）的谐波结构。

与优化问题对偶的双多项式Q(u,θ) = ⟨B^H q, ϕ_u(u)v(θ)^H⟩提供了支持恢复的严格证书——在真实参数位置，|Q(u,θ)|=1；而在其他位置，|Q(u,θ)|<1。这种对偶证书特性保证了算法能够精确识别连续参数空间中的散射体位置，无需任何网格化处理。一旦支持集确定，相应的复路径增益可以通过最小二乘估计高效获得。

4. 实现细节与参数选择

在实际实现中，有几个关键参数需要仔细选择：

1. 谐波截断阶数：角度相关项I_1通常选择为20左右，曲率诱导的谐波项I_2取1即可。这反映了近场效应虽然引入了额外的谐波成分，但主要能量仍集中在低频部分。

2. 逆距离傅里叶阶数：全局阶数K_u=2配合局部面板阶数K_loc=2，能够在近似精度和计算复杂度间取得良好平衡。值得注意的是，由于逆距离变换的非线性特性，简单的全局低阶傅里叶拟合在宽距离区间上效果不佳。为此，研究团队采用了面板化加权最小二乘拟合策略——将距离区间划分为若干重叠面板，在每个面板上独立进行局部拟合，再投影到全局基函数上。这种方法显著提升了模型在宽距离范围内的适应性。

3. 正则化参数：在面板拟合阶段加入L2正则化（μ∥a∥_2^2）防止过拟合，同时通过权重ω_i∝r_i^2补偿逆距离坐标下的非均匀采样效应。

4. 硬件约束处理：混合架构下的模拟合并矩阵B采用恒模约束（|B(i,j)|=1/√N_r）来模拟实际射频前端的实现限制。压缩观测数M=PT×N_RF需要满足一定的下限才能保证恢复唯一性，实验中取M=20即可成功恢复两条路径。

5. 性能验证与结果分析

在数值实验中，研究团队考虑了一个具有64天线的XL-MIMO系统，工作频率为100GHz（对应波长λ≈3mm），阵元间距为半波长。场景中包含两条位于基站近场区域（0.1-6米）的传播路径，仅使用M=20个压缩观测就实现了精确的参数恢复。

图2展示了代表性实验结果：（1）双多项式证书在变换域（u,θ）上的幅度响应，清晰地峰值对应于散射体位置；（2）恢复参数与真实参数的对比表格，角度误差小于0.003弧度，距离误差小于0.005米；（3）复路径增益估计几乎与真实值完全一致。这些结果验证了算法在极端压缩条件下的有效性——不仅支持集恢复精确，而且幅度估计准确。

特别值得注意的是，这种方法完全避免了传统近场算法中的网格化步骤，从根本上解决了基失配和字典相干性问题。同时，计算复杂度主要取决于SDP求解，而现代凸优化求解器（如CVX）能够高效处理中等规模的问题。对于更大的天线阵列，可以结合交替方向乘子法（ADMM）等技巧进一步加速。

6. 技术影响与未来方向

这项研究为近场XL-MIMO系统提供了一种全新的信号处理范式，其核心贡献可以概括为三个层面：

1. 理论层面：揭示了近场球面波流形中隐藏的Bessel-Vandermonde结构，建立了逆距离坐标系与谐波分析之间的深刻联系，丰富了连续参数估计的理论工具集。

2. 算法层面：开发的二维原子范数框架实现了真正意义上的无网格超分辨率，支持混合架构下的压缩观测，为实际系统部署扫清了关键技术障碍。

3. 应用层面：该方法直接适用于6G关键使能技术——集成感知与通信（ISAC），能够同时实现高精度环境感知和高效通信，推动无线系统向多功能一体化方向发展。

未来研究可以从以下几个方向深入：

• 将分析扩展到精确的球面波模型（而不仅是Fresnel近似），覆盖更广的Fresnel区域
• 研究移动场景下的动态参数跟踪问题
• 探索低复杂度实现算法以适应实时处理需求
• 结合深度学习技术进一步优化参数选择与恢复性能

在实际系统设计中，工程师需要注意几个实用细节：天线阵列的校准精度会直接影响性能；载波频率的选择需要权衡距离分辨率和路径损耗；混合架构中射频链路数的配置要平衡硬件成本和感知性能。这些实际因素都值得在具体应用中仔细考量。

从更广阔的视角看，这项工作代表了一种处理复杂电磁场景的范式转变——不是通过越来越精细的离散化来逼近物理现实，而是通过深刻的数学洞察寻找与物理本质对齐的坐标系和表示方法。这种思想不仅适用于近场MIMO通信，也可能启发其他领域的连续参数估计问题，为新一代无线系统的信号处理奠定新的基础。