.png){kind=icon}
返回
Joint pilot optimization and channel estimation using deep learning in massive MIMO systems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.dsp.2025.105287.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为了利用大规模多输入多输出（MIMO）系统的潜在优势，在发射机侧获得准确的信道状态信息（CSIT）至关重要。本文专注于利用深度学习实现多用户大规模MIMO系统中的联合导频优化与时变信道估计。所提出的方法包含两个阶段：离线和在线。在离线模式下，训练信道估计网络并优化离线导频矩阵。在在线模式下，采用深度学习方案进行联合导频设计和信道估计。受稀疏恢复方案启发，设计了一个深度学习层，该层既用于导频优化网络，也用于在线信道估计和导频优化网络。在离线导频优化网络中，通过应用多个设计层利用了信道的固有稀疏性。所提出的方法能够使用较少的导频来跟踪信道随时间的变化。通过两种不同的信道模型在多种仿真场景中评估了所提出方法的表现。结果表明，与现有方案相比，所建议的方案在提供高精度信道估计方面具有显著优势，且导频开销更低。
Keyword:
Massive MIMO
Channel estimation
Deep learning
Pilot optimization
Joint pilot optimization and channel
estimation
期刊
IF:
3.6
论文数:
10.0K
被引数:
1.7W
机构
引用论文
.png){kind=icon}
Deep Neural Network Based Channel Estimation for Massive MIMO-OFDM Systems With Imperfect Channel State Information基于深度神经网络的信道状态信息不完善的大规模mimo-ofdm系统信道估计
PREAI
分享收藏Pruning the Pilots: Deep Learning-Based Pilot Design and Channel Estimation for MIMO-OFDM Systems修剪导频: 基于深度学习的mimo-ofdm系统导频设计和信道估计
OAAI
OAAI分享收藏Joint Pilot Design and Channel Estimation Using Deep Residual Learning for Multi-Cell Massive MIMO Under Hardware Impairments硬件损伤下基于深度残差学习的多小区大规模MIMO联合导频设计和信道估计
OAAI
OAAI分享收藏Online Deep Neural Networks for MmWave Massive MIMO Channel Estimation With Arbitrary Array Geometry
PREAI
分享收藏
查看更多内容