基于深度学习的1比特超大规模MIMO信道估计.pdf

万方数据
基于深度学****的槐忍爻蠊婺诺拦兰剖通信与网络蒲旭敏，吴超唬钚＄’《电子技术应用》年第卷第谝而，采用超大型的天线阵列会出现空间非平稳性信道特征，如果为基站的每根天线都配备一个高精度量化器，系统量的导频进行训练。仿真结果表明，所提出的网络可以使用较少的导频得到较好的估计性能，在性能与计算复杂度一，．重庆邮电大学通信与信息工程学院，重庆；厍煊实绱笱б贫ㄐ偶际踔厍焓兄氐闶笛槭遥厍摘要：超大规模多输入多输出，际踉谖蠢吹囊贫ㄐ胖芯哂芯薮蟮那绷ΑＨ功耗将大幅度增加，从而阻碍超大规模系统的广泛应用。因此，假设基站的每根天线都配备有一对槐忍啬数转换器——，，利用子阵列与用户之间的映射关系来描述非平稳信道特征，借助深度神经网络珼看蟮姆夯芰Γ杓埔恢中碌纳墒郊喽紻模型，该模型可以使用合理数之间取得良好的平衡。关键词：信道估计；深度学****空间非平稳性；槐忍谹中图分类号：文献标识码：中文引用格式：蒲旭敏，吴超，杨小珑．基于深度学****的槐忍爻蠊婺诺拦兰啤綣】．电子技术应用，，：—，．．，琣，大规模多输入多输出际跏堑谖宕，贫ㄐ诺墓键技术之一。随着天线阵列尺寸数量级的增加，形成了超大规模系统。通过增加天线阵列的尺寸，可以提升频谱效率、能量效率和空间分辨率等，还有望获取超高的数据速率和系统吞吐量。超大规模技术也因此成为第六代，贫ㄐ殴丶际的候选【。然而，大口径阵列的使用会造成不同的信道条件。当整个阵列的孔径有限并且服务相同的用户时，空间稳定性是成立的。但是，对于大孔径阵列，由于天线阵列不同区域所服务的用户不同，接收功率的级别也因此不同，这称为空间非平稳性Ｒ虼耍梢砸俗诱罅和用户可见区域，疵枋鲂诺婪瞧／甶英文引用格式：琖唬琘，—．．，．珻，，瓹，：瑃，畉瑆猯—甌．籦瓸．．篶；；；鹣钅浚汗易匀豢蒲Щ鹎嗄昕蒲Щ恢泄┦亢罂学基金唤帐〔┦亢罂蒲凶手苹钅．
万方数据
圆圃圆圆墨田匝通信与网络，．、’謐卜扩’其中，工【戈￡’，海瑇：】硎舅杏没Х⑺偷牡计角线上的非零子块依次为矩阵：扪，⋯，篠’，并且分布，且满足救日蕖腑：蹋籲《∈刈表示方差为’ⅲ’一瓹甤符号；日綹：“，⋯，”’】∈硝为子阵列胨杏没子阵列接没之间的信道系数骸!盝：其中，口力”表示大尺度衰落，以为路径损耗衰减距离，口为路径损耗指数；Ｒ虎鬰，骸表示由小尺度衰落引起的信道响应，’胍“为考虑非平稳性和信道⋯，’蔙埃琤表示分块对角构造函数，主对晚。在这种情况下满足珼琹琲’经过狶谹量化器·炕螅径俗常见的超大规模系统中存在两个严重的问中利用非平稳性来描述信道模型，并采用低精度的量化方式来降低功耗，在服务大量用户时寻求性能和计算复在此基础上，本文通过子阵列与用户之间的映射来描述低衬Ｐ此，式亩越蔷卣蟪鹬杏谐鸶龇橇愣越窃K亍１疚稳性题。一个是由于阵列体积较大，空间非平稳性和固有的高矩阵维数对性能和计算复杂度带来了负面影响⋯；另一个是由于接收机中配备的高精度模数转换器—，消耗了相当多的功率，导致硬件成本和功耗增加Ｋ淙一比特梢韵灾档功耗，但是性能较差。因此，需要在超大规模系统杂度间的良好平衡。随着计算能力的提升，深度学****方法已被广泛应用于大规模系统中，尤其是与信道估计相关的研究。。在槐忍谹大规模系统中，通过应用神经网络可以在相同导频数量下获得更好的信道估计性能，从而在计算复杂度和导频数量间取得折中Ｈ欢庑研究并没有考虑天线阵列增大时出现的信道非平稳