水下可见光通信的信道估计：一种稀疏学习视角
信号处理
2023-03-14 v1 信息论
机器学习
math.IT
摘要
可见光信号的水下传播环境受吸收、阴影和反射等复杂因素影响，使得实现有效的水下可见光通信（UVLC）信道估计极具挑战性。UVLC信道难以在时域和频域进行稀疏表示，这限制了利用稀疏信号处理技术获得更优信道估计性能的机会。为此，本文通过充分挖掘水下可见光信道在传播链路距离域上的稀疏性，建立了一种基于压缩感知（CS）的框架。为解决稀疏恢复问题并实现更精确的UVLC信道估计，提出了一种基于稀疏学习的水下可见光信道估计（SL-UVCE）方案。具体而言，采用了一种深度展开神经网络来模拟近似消息传递（AMP）这一经典迭代稀疏恢复算法，将AMP的迭代分解为一系列具有不同可学习参数的层。与现有的非CS基和CS基方案相比，所提方案在信道估计精度上表现出更优的性能，尤其在测量导频不足和多径分量数目大等恶劣条件下。
引用
@article{arxiv.2303.07248,
title = {Channel Estimation for Underwater Visible Light Communication: A Sparse Learning Perspective},
author = {Younan Mou and Sicong Liu},
journal= {arXiv preprint arXiv:2303.07248},
year = {2023}
}
备注
This paper has been accepted by and is to appear in Proc. 2023 IEEE International Conference on Communications (ICC)