基于深度学习的智能表面毫米波MIMO信道估计 |
| |
引用本文: | 张思伟,袁德成,王国刚.基于深度学习的智能表面毫米波MIMO信道估计[J].无线电工程,2024(4):892-899. |
| |
作者姓名: | 张思伟 袁德成 王国刚 |
| |
作者单位: | 1. 辽宁省化工控制技术重点实验室;2. 沈阳化工大学信息工程学院 |
| |
基金项目: | 国家重点研发计划资助(2018YFB1700200)~~; |
| |
摘 要: | 研究了一个基于深度学习的大型智能表面(Large Intelligent Surface, LIS)毫米波多输入多输出(Multiple-Input Multiple-Output, MIMO)系统。为了克服波长和阵列间距相差较大的信号传输问题,传统的均匀线性阵列(Uniform Linear Array, ULA)被替代为均匀平面阵列(Uniform Planar Array, UPA)。提出了一种基于改进的双卷积神经网络——ChannelNet的信道估计方法。采用最小二乘(Least Squares, LS)算法获取初始化的信道信息,使用ChannelNet获得更高精度的信道信息,并重点探究了在UPA结构下的表现。通过与LS算法和多层感知器算法进行比较。结果表明,该算法在信道估计精度和效率方面均优于以上2种算法,且使用UPA结构的ChannelNet算法相对于使用ULA结构的表现更好。该方法在毫米波MIMO信道估计方面具有更好的性能。
|
关 键 词: | 大型智能表面 信道估计 ChannelNet 均匀线性阵列 均匀平面阵列 |
|
|