基于大型深度残差网络的近场 IRS 辅助多用户 MIMO 系统增强信道估计
信号处理
2025-06-11 v2
摘要
本文研究了智能反射面辅助的近场多用户通信的信道估计。首先，为估计信道设计了最小二乘估计器和最小均方误差估计器，推导了它们的均方误差，并推导了克拉美罗下界作为性能评估的基准。随后，鉴于近场信道模型相较于远场模型对距离变化更为敏感，这导致不同区域用户信道特性存在显著差异。为了有效捕捉和利用这些多样的信道特征，首先根据信道角度和距离等关键参数将用户划分为不同的区域。相应地，设计了一个基于卷积神经网络的用户区域分类器。然后，为了充分发挥深度残差网络在去噪方面的潜力，将上述信道估计问题重新概念化为一个去噪任务，并提出了一个由 DRN 驱动的单区域近场信道估计网络，命名为 SR-DRN-NFCE。此外，通过整合对应不同区域的 SR-DRN-NFCE 网络，并以联邦学习的方式进行联合训练，获得了一个新的网络，命名为 FL-DRN-NFCE。仿真结果表明，所提出的 FL-DRN-NFCE 网络在均方误差方面优于最小二乘估计器、最小均方误差估计器以及无残差连接的网络，并且所提出的 FL-DRN-NFCE 方法比 SR-DRN-NFCE 方法具有更高的信道估计精度。
引用
@article{arxiv.2410.20992,
title = {Enhanced channel estimation for near-field IRS-aided multi-user MIMO system via a large deep residual network},
author = {Yan Wang and Yongqiang Li and Minghao Chen and Yu Yao and Feng Shu and Jiangzhou Wang},
journal= {arXiv preprint arXiv:2410.20992},
year = {2025}
}