.png){kind=icon}
返回
Robust MIMO Channel Estimation Using Energy-Based Generative Diffusion Models
.png){kind=icon}
PRE
AI
DOI：10.1109/LWC.2025.3642871.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大规模多输入多输出（MIMO）系统的信道估计本质上受到过高的导频开销和高估计延迟的制约。为了克服这些障碍，近期研究利用深度生成网络来捕捉无线信道的先验分布。在本文中，我们提出了一种新颖的估计框架，该框架将基于能量的生成扩散模型（DM）与Metropolis-Hastings（MH）原理相结合。通过使用内嵌的能量函数对扩散过程进行重参数化，该框架显式地估计非归一化对数先验，而MH校正则优化采样轨迹、减轻偏差并增强鲁棒性，最终实现高精度后验采样，从而支持高保真信道估计。数值结果表明，所提出的方法相比传统的参数化DM和其他基准方法显著提高了估计精度，特别是在导频开销有限的情况下。
Keyword:
MIMO channel estimation
energy parameterization
diffusion model
MH corrections
期刊
I
IF:
5.5
论文数:
721
被引数:
0
机构
引用论文
At the Dawn of Generative AI Era: A Tutorial-cum-Survey on New Frontiers in 6G Wireless Intelligence在生成性AI时代的曙光: 6g无线智能新领域的教程兼调查
OAAI
OAAI分享收藏Deep Learning-Based Channel Estimation for Beamspace mmWave Massive MIMO Systems基于深度学习的波束空间毫米波大规模MIMO系统信道估计
OAAI
OAAI分享收藏分享收藏Joint Channel Estimation and Data Detection in Massive Mimo Systems Based on Diffusion Models.png)
ICASSP 2024 - 2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
ICASSP 2024 - 2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
PREAI
分享收藏Compressed Channel Sensing: A New Approach to Estimating Sparse Multipath ChannelsPROCEEDINGS OF THE IEEE
PROCEEDINGS OF THE IEEEIF25.9
PREAI
分享收藏 没有更多内容
没有更多内容