基于条件 GAN 的单比特多用户大规模 MIMO 信道估计
信号处理
2021-06-04 v2
摘要
信道估计是一项具有挑战性的任务，尤其在采用单比特模数转换器（ADC）的大规模多输入多输出（MIMO）系统中更是如此。传统的深度学习（DL）方法通过学习从输入到真实信道的映射，在估计准确信道方面存在显著困难，因为其损失函数未被良好设计与研究。本文提出一种条件生成对抗网络（cGAN），通过对抗训练两个 DL 网络来预测更真实的信道。cGAN 不仅学习从量化观测到真实信道的映射，还学习一个自适应损失函数以正确训练网络。数值结果表明，所提出的基于 cGAN 的方法优于现有 DL 方法，并在大规模 MIMO 系统中实现高鲁棒性。
引用
@article{arxiv.2006.11435,
title = {Channel Estimation for One-Bit Multiuser Massive MIMO Using Conditional GAN},
author = {Yudi Dong and Huaxia Wang and Yu-Dong Yao},
journal= {arXiv preprint arXiv:2006.11435},
year = {2021}
}
备注
5 pages;7 figures; 1 Table