单比特大规模MIMO上行信道估计的两阶段学习
信号处理
2019-12-02 v1
摘要
我们开发了一种两阶段深度学习流水线架构，用于估计采用单比特ADC的上行大规模MIMO信道。该深度学习流水线由两个独立的生成式深度学习模型组成。第一个是有监督学习模型，旨在补偿量化损失。第二个是无监督学习模型，并为去噪而优化。我们的结果表明，所提出的基于深度学习的信道估计器能显著优于其他最先进（SOTA）的单比特量化大规模MIMO系统信道估计器。具体而言，我们的设计在信道估计误差上提供了5-10 dB增益。此外，它需要合理数量的导频，在每个相干时间间隔内约为20个。
引用
@article{arxiv.1911.12461,
title = {Two-Stage Learning for Uplink Channel Estimation in One-Bit Massive MIMO},
author = {Eren Balevi and Jeffrey G. Andrews},
journal= {arXiv preprint arXiv:1911.12461},
year = {2019}
}