基于无限宽度卷积网络的信道估计
机器学习
2025-04-14 v1
摘要
在无线通信中，OFDM 系统中的信道估计涉及频率和时间维度，依赖稀疏的 pilot 数据，构成一个难以确定的问题。此外，深度学习估计器需要大量训练数据、计算资源和真实信道才能产生准确的信道估计，这在现实中并不切实。为此，本文推导了来自无限宽度卷积网络的卷积神经张量核（CNTK），其训练动力学可由闭式方程表达式。该 CNTK 用于插值目标矩阵，在 pilot 位置仅使用已知值估计缺失的信道响应。这是一个不需要大量训练数据的信道估计方案。在真实信道数据集上的数值结果表明，我们的方法在不依赖大数据集的情况下准确估计信道，显著优于基于深度学习的方法在速度、准确性和计算资源方面的表现。
引用
@article{arxiv.2504.08660,
title = {Channel Estimation by Infinite Width Convolutional Networks},
author = {Mohammed Mallik and Guillaume Villemaud},
journal= {arXiv preprint arXiv:2504.08660},
year = {2025}
}