ISDNN：用于大规模 MIMO 系统信道估计的深度神经网络
信号处理
2024-10-29 v1 机器学习
摘要
大规模多输入多输出 (massive MIMO) 技术是 5G 及其以后技术的基石。尽管大规模 MIMO 技术提供了显著的优势，但在信道估计 (CE) 阶段面临挑战。本文提出一种基于投影梯度下降算法的深度神经网络用于 CE 问题，称为迭代顺序深度神经网络 (ISDNN)。ISDNN 基于深度展开方法将迭代步骤转化为神经网络。此外，我们引入了结构化信道 ISDNN (S-ISDNN)，将信道估计扩展到包含信道方向和天线阵列配置等副信息以获得更好的 CE。仿真结果表明，ISDNN 在训练时间 (降低 13%)、运行时间 (降低 4.6%) 和准确性 (提升 0.43 dB) 方面均显著优于另一种基于深度神经网络的 CE 方法 (DetNet)。此外，S-ISDNN 在训练时间方面甚至比 ISDNN 更快，尽管其整体性能仍需进一步改进。
引用
@article{arxiv.2410.20110,
title = {ISDNN: A Deep Neural Network for Channel Estimation in Massive MIMO systems},
author = {Do Hai Son and Vu Tung Lam and Tran Thi Thuy Quynh},
journal= {arXiv preprint arXiv:2410.20110},
year = {2024}
}