基于深度学习的智能表面毫米波MIMO信道估计

• 全文链接
• 请求原文

作   者：

张思伟;  袁德成;  王国刚; 

作者机构：

辽宁省化工控制技术重点实验室; 

关键词：

ChannelNet;  信道估计;  均匀平面阵列;  大型智能表面;  均匀线性阵列; 

期刊名称：

无线电工程

i s s n：

1003-3106

年卷期：

2024 年 54 卷 004 期

页   码：

892-899

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.