基于深度学习的毫米波MIMO信道估计：利用sub-6 GHz信道信息：CNN与UNet方法
信号处理
2025-10-16 v2 信息论
math.IT
摘要
未来的无线多输入多输出（MIMO）系统将集成sub-6 GHz和毫米波（mmWave）频段，以满足日益增长的高数据率需求。MIMO链路建立通常需要精确的信道估计，这在mmWave频率下尤其具有挑战性，因为信噪比（SNR）较低。在本文中，我们提出了两种利用sub-6 GHz频段带外信息来估计mmWave MIMO信道的新型深度学习方法。第一种方法采用卷积神经网络（CNN），第二种方法利用UNet架构。我们将这些提出的方法与仅依赖带内信息的深度学习方法以及其他最先进的带外辅助方法进行了比较。仿真结果表明，我们提出的带外辅助深度学习方法在可实现频谱效率方面优于现有替代方案。
引用
@article{arxiv.2506.11714,
title = {Deep Learning-based mmWave MIMO Channel Estimation using sub-6 GHz Channel Information: CNN and UNet Approaches},
author = {Faruk Pasic and Lukas Eller and Stefan Schwarz and Markus Rupp and Christoph F. Mecklenbräuker},
journal= {arXiv preprint arXiv:2506.11714},
year = {2025}
}
备注
Published at the IEEE Conference on Computer Communications Workshops (INFOCOM WKSHPS), 2025