智能反射面辅助毫米波通信中用于信道估计的混合驱动学习
信息论
2023-05-31 v1 信号处理
math.IT
摘要
智能反射面（IRS）已被提出用于毫米波（mmWave）和太赫兹（THz）系统，以实现覆盖和容量的双重增强，其中混合预编码器、合并器和IRS的设计通常依赖于信道状态信息。本文针对具有混合架构的IRS辅助多用户多输入单输出（MISO）系统的上行宽带信道估计问题。结合模型驱动与数据驱动深度学习方法的架构，设计了一种混合驱动学习架构，用于联合估计并学习信道特性。对于无源IRS辅助系统，我们提出一种残差学习近似消息传递作为模型驱动网络。数据驱动网络中的去噪与注意力网络用于联合学习空间和频率特征。此外，我们在混合无源与有源IRS辅助系统中设计了灵活的混合驱动网络。具体而言，数据驱动网络应用了深度可分离卷积，从而降低了IRS侧的网络复杂度和参数量。数值结果表明，在两种系统中，所提混合驱动信道估计方法均显著优于现有基于深度学习的方案，并在IRS辅助系统中有效减少约60%的导频开销。
引用
@article{arxiv.2305.19005,
title = {Hybrid Driven Learning for Channel Estimation in Intelligent Reflecting Surface Aided Millimeter Wave Communications},
author = {Shuntian Zheng and Sheng Wu and Chunxiao Jiang and Wei Zhang and Xiaojun Jing},
journal= {arXiv preprint arXiv:2305.19005},
year = {2023}
}
备注
30 pages, 8 figures, submitted to IEEE transactions on wireless communications on December 13, 2022