主动IRS辅助IoT信道估计的功率优化与深度学习
信号处理
2024-07-16 v2
摘要
本文考察了主动智能反射面（IRS）辅助的上行物联网（IoT）网络信道估计。首先，分别给出直接信道和级联信道的最小二乘（LS）估计器，并推导了信道估计器的均方误差（MSE）。随后，为评估调整IoT设备或主动IRS反射功率对Sum-MSE性能的影响，考虑两种情况。在第一种情况下，在IoT设备和主动IRS的总功率和约束下，推导了最优功率分配因子的闭式表达式。在第二种情况下，当IoT设备的发射功率固定时，主动IRS存在最优的反射功率。为进一步提高估计性能，设计了基于卷积神经网络（CNN）的直接信道估计算法（CDCE）和基于CNN的级联信道估计算法（CCCE）。最后，仿真结果表明，存在一种最优功率分配策略可最小化Sum-MSE，并进一步验证了所提出的CDCE/CCCE算法在其相应的传统LS和最小均方误差（MMSE）基准方法中的优势。
引用
@article{arxiv.2407.09254,
title = {Power Optimization and Deep Learning for Channel Estimation of Active IRS-Aided IoT},
author = {Yan Wang and Feng Shu and Rongen Dong and Wei Gao and Qi Zhang and Jiajia Liu},
journal= {arXiv preprint arXiv:2407.09254},
year = {2024}
}