10.3979/j.issn.1673-825X.202103260090
基于深度学习的MIMO系统信道估计算法
精确的信道估计对于保证无线通信系统性能至关重要.针对多输入多输出(multiple input multiple output,MIMO)系统传统信道估计算法需已知信道统计信息以及性能与复杂度折中等问题,提出一种基于深度学习的多网络级联MIMO系统信道估计方案.基于卷积神经网络构建信道信息重建网络,初步重构出信道信息,进而基于深度残差网络构建信道估计网络进行级联得出估计结果,并利用多个损失函数对网络进行优化.仿真结果表明,在牺牲一定时间复杂度的情况下,所提方案的均方误差随信噪比增加逐渐优于线性最小均方误差(linear minimum mean squared error,LMMSE)估计算法,且不受信道统计信息的约束.
深度学习、多输入多输出(MIMO)系统、信道估计、多损失函数
34
TN929.5
国家重点研发计划;重庆市自然科学基金;重庆市自然科学基金
2022-09-05(万方平台首次上网日期,不代表论文的发表时间)
共9页
685-693