Channel Estimation for Double-RIS-Assisted MIMO Communication Systems Based on Deep Learning

Xiaomei Luo

doi:10.1109/lcomm.2026.3742720

Channel Estimation for Double-RIS-Assisted MIMO Communication Systems Based on Deep Learning

2026-10-13

0

PRE

AI

DOI：10.1109/lcomm.2026.3742720

原文链接

原文求助

摘要

En 中文

本通信研究了在双重可重构智能表面（RIS）辅助的多输入多输出（MIMO）无线通信系统中的信道估计（CE）问题。现有解决方案由于频繁更新RIS的相位和幅度，往往引入额外的控制开销。为解决此问题，我们采用了一种相位转换策略，通过设计两种正交相位偏移模式来提取双反射信道，从而消除了此类切换的必要性。随后，我们提出了一种基于一阶快速迭代收缩阈值算法（FISTA）的信道预估计方法，并通过引入一种残差卷积混合注意力网络（RE-CHAN）进行进一步优化，该网络利用不同尺寸卷积核的并行残差块与多头注意力机制来增强特征学习能力。仿真结果表明，FISTA在预估计精度上优于现有方法，而RE-CHAN模型在归一化均方误差（NMSE）指标上优于当前最先进模型。

Keyword:

Reconfigurable intelligent surface

multiple-input-multiple-output

channel estimation

deep learning

convolutional hybrid attention network

Channel Estimation for Double-RIS-Assisted MIMO Communication Systems Based on Deep Learning

摘要

期刊

机构

引用论文