基于深度学习的IRS辅助ISAC系统信道估计
信号处理
2024-04-09 v2 机器学习
摘要
集成感知与通信（ISAC）和智能反射面（IRS）被视为未来无线网络的有前景技术。本文研究了IRS辅助ISAC系统中的信道估计问题。提出了一种深度学习框架来估计此类系统中的感知与通信（S&C）信道。考虑到S&C信道的不同传播环境，设计了两种深度神经网络（DNN）架构来实现该框架。第一个DNN部署在ISAC基站用于估计感知信道，而第二个DNN架构分配给每个下行用户设备以估计其通信信道。此外，精心设计了用于训练DNN的输入-输出对。仿真结果表明，在各种信噪比条件和系统参数下，所提出的估计方法相比基准方案具有优越性。
引用
@article{arxiv.2402.09439,
title = {Deep-Learning-Based Channel Estimation for IRS-Assisted ISAC System},
author = {Yu Liu and Ibrahim Al-Nahhal and Octavia A. Dobre and Fanggang Wang},
journal= {arXiv preprint arXiv:2402.09439},
year = {2024}
}