基于二维与三维卷积神经网络的 MIMO 信道估计研究
信号处理
2020-11-19 v1 机器学习
系统与控制
系统与控制
摘要
本文研究卷积神经网络 (CNN) 估计器在多输入多输出正交频分复用 (MIMO-OFDM) 信道估计 (CE) 任务中的应用。具体而言，CNN 估计器对参考信号的信道值进行插值，以估计完整的 OFDM 资源元素 (RE) 矩阵的信道。我们设计了一种基于 U-net 的 2D CNN 架构以及一种用于处理空间相关性的 3D CNN 架构。我们针对根据 5G NR 标准生成的多样化数据集研究了各种 CNN 架构的性能，特别是研究了空间相关性、多普勒效应和参考信号资源分配的影响。随后，将 CE CNN 估计器与 MIMO 检测算法相集成，以测试其对系统级误码率 (BER) 性能的影响。
引用
@article{arxiv.2011.08970,
title = {A Study on MIMO Channel Estimation by 2D and 3D Convolutional Neural Networks},
author = {Ben Marinberg and Ariel Cohen and Eilam Ben-Dror and Haim Permuter},
journal= {arXiv preprint arXiv:2011.08970},
year = {2020}
}