基于强化学习的 MIMO 系统半数据辅助信道估计
信号处理
2022-04-05 v1
摘要
数据辅助信道估计是一种有前景的方案，通过利用数据符号作为导频信号来更新初始信道估计，从而提高信道估计精度。本文中，我们针对多输入多输出通信系统提出一种半数据辅助信道估计器。我们的策略是利用强化学习（RL）在发射数据块前半部分符号中选取可靠检测符号。该策略便于在数据块传输结束前更新信道估计，因此相比传统数据辅助信道估计方法显著降低了通信时延。为此，我们首先定义一个马尔可夫决策过程（MDP），其依次决定是否将每个检测符号用作附加导频信号。随后我们开发一种 RL 算法，基于蒙特卡洛树搜索方法高效求解 MDP 的最优策略。该算法中，我们利用后验概率来近似 MDP 的最优未来动作及相应状态转移，并推导出最优策略的闭式表达式。仿真结果表明，所提信道估计器有效缓解了由导频信号不足引起的信道估计误差与检测性能损失。
引用
@article{arxiv.2204.01052,
title = {Semi-Data-Aided Channel Estimation for MIMO Systems via Reinforcement Learning},
author = {Tae-Kyoung Kim and Yo-Seb Jeon and Jun Li and Nima Tavangaran and H. Vincent Poor},
journal= {arXiv preprint arXiv:2204.01052},
year = {2022}
}