面向MIMO信道估计的在线无监督深度展开方法
信号处理
2021-05-28 v4 机器学习
摘要
信道估计是MIMO系统中的难题。利用物理模型可借助基于传播物理特性的先验信息来简化该问题。然而，此类模型依赖于简化假设，且要求精确已知系统配置，这并不现实。本文提出在大规模MIMO场景下执行在线学习以进行信道估计，通过将信道估计算法（匹配追踪）展开为神经网络，为物理模型增添灵活性。由此得到一种计算高效的神经网络，可在以不完美模型初始化时进行在线训练。该方法允许基站在无需单独离线训练阶段的情况下，基于流入数据自动校正其信道估计算法。该方法应用于真实信道，表现出优异性能，其信道估计误差几乎与经过完美校准的系统所得结果一样低。
引用
@article{arxiv.2004.14615,
title = {Online unsupervised deep unfolding for MIMO channel estimation},
author = {Luc Le Magoarou and Stéphane Paquelet},
journal= {arXiv preprint arXiv:2004.14615},
year = {2021}
}