基于对比特征学习的自适应多用户信道估计
信号处理
2023-03-07 v1
摘要
在大规模 MIMO 系统中，相关性利用对于高效的多用户信道估计（MUCE）至关重要。然而，现有工作要么依赖假定的强相关性，要么通过大量标注数据学习相关性，而这些数据在真实系统中难以获取。本文提出一种基于对比特征学习的自适应 MUCE 算法。对比学习（CL）用于基于位置信息提取信道状态信息（CSI）特征，从而自动学习信道内的相似性。相似特征将被送入下游网络以挖掘 CSI 特征间的强相关性，从而以少量标注数据提升 MUCE 性能。仿真结果表明，对比特征学习能以高训练效率增强整体 MUCE 性能。
引用
@article{arxiv.2303.02960,
title = {Adaptive Multi-User Channel Estimation Based on Contrastive Feature Learning},
author = {Yihan Xu and Lixiang Lian},
journal= {arXiv preprint arXiv:2303.02960},
year = {2023}
}