学习去估计:一种用于 MIMO-OFDM 信道估计的实时在线学习框架
信号处理
2023-05-24 v1
摘要
本文提出 StructNet-CE,一种新颖的用于 MIMO-OFDM 信道估计的实时在线学习框架,其仅利用空口(OTA)导频符号进行在线训练,并在一个 OFDM 子帧内收敛。StructNet-CE 的设计利用了 MIMO-OFDM 系统中的结构信息,包括调制星座的重复结构以及对流间干扰的符号分类不变性。嵌入的结构信息使 StructNet-CE 能够通过二分类任务进行信道估计,并仅用少至两个导频 OFDM 符号准确学习信道系数。实验表明,融入结构知识显著改善了信道估计性能。StructNet-CE 兼容并易于应用于当前及未来无线网络,证明了将机器学习技术与领域知识结合对无线通信系统的高效性与重要性。
引用
@article{arxiv.2305.13487,
title = {Learning to Estimate: A Real-Time Online Learning Framework for MIMO-OFDM Channel Estimation},
author = {Lianjun Li and Sai Sree Rayala and Jiarui Xu and Lizhong Zheng and Lingjia Liu},
journal= {arXiv preprint arXiv:2305.13487},
year = {2023}
}