基于 CNN 的可动天线系统信道图估计
信号处理
2025-05-28 v1
摘要
可动天线（MA）因其在发射机/接收机处受限区域内通过局部天线移动来重构无线信道的能力，在无线通信中受到日益广泛的关注。然而，为了确定最佳的天线位置，需要整个区域内的信道状态信息（CSI）（称为小尺度信道图），这由于在所有位置进行穷举信道估计的开销过高而构成重大挑战。为了应对这一挑战，本文提出了一种新的基于卷积神经网络（CNN）的估计方案，用于重建三维（3D）运动区域内的小尺度信道图。具体而言，我们首先离线收集与部分 MA 位置和不同接收机位置相对应的一组 CSI 测量值，以全面捕获环境特征。随后，我们使用收集的数据训练 CNN，在实时传输期间仅基于在 3D 运动区域内若干选定 MA 位置处进行的有限次信道测量来重建完整信道图。数值结果表明，我们提出的方案能够准确重建小尺度信道图，并且优于其他基准方案。
引用
@article{arxiv.2505.21001,
title = {CNN-Based Channel Map Estimation for Movable Antenna Systems},
author = {Yitai Huang and Weidong Mei and Xin Wei and Zhi Chen and Boyu Ning},
journal= {arXiv preprint arXiv:2505.21001},
year = {2025}
}