基于深度学习的毫米波大规模MIMO稀疏信道估计与混合预编码
信号处理
2020-02-18 v1
摘要
针对多用户毫米波大规模多输入多输出系统，研究了信道估计与混合预编码。提出了一种深度学习压缩感知（DLCS）信道估计方案。DLCS方案的信道估计神经网络使用仿真环境离线训练以预测波束空间信道幅度。然后基于所获得的主导波束空间信道项索引重建信道。信道估计后，开发了一种深度学习量化相位（DLQP）混合预编码器设计方法。DLQP方法的训练混合预编码神经网络在考虑近似相位量化的情况下离线获得。随后，通过将近似相位量化替换为理想相位量化得到部署混合预编码神经网络（DHPNN），其输出为模拟预编码向量。最后，通过堆叠模拟预编码向量得到模拟预编码矩阵，并通过迫零计算数字预编码矩阵。仿真结果表明，DLCS信道估计方案在归一化均方误差与频谱效率上优于现有方案，而DLQP混合预编码器设计方法在低相位移器分辨率下具有优于其他方法的频谱效率性能。
引用
@article{arxiv.2002.06380,
title = {Sparse Channel Estimation and Hybrid Precoding Using Deep Learning for Millimeter Wave Massive MIMO},
author = {Wenyan Ma and Chenhao Qi and Zaichen Zhang and Julian Cheng},
journal= {arXiv preprint arXiv:2002.06380},
year = {2020}
}