基于双路径知识感知自编码器的无监督大规模MIMO信道估计
信号处理
2023-05-31 v1
摘要
本文提出一种基于双路径模型驱动变分自编码器（VAE）的无监督深度学习框架，用于大规模MIMO系统中的到达角（AoAs）与信道估计。针对信道估计专门设计的所提VAE在两方面不同于原始VAE。首先，编码器为双路径神经网络，其中一条路径利用接收信号估计路径增益与路径角度，另一条利用接收信号的相关矩阵估计AoAs。其次，解码器具有实现信号传播模型的固定权重，而非可学习参数。这种知识感知解码器迫使编码器输出有意义的感兴趣物理参数（即路径增益、路径角度和AoAs），这是原始VAE无法实现的。我们进行了严格分析以刻画估计问题的多个全局最优和局部最优，这促使了双路径编码器的设计。通过在路径增益、路径角度的估计与AoAs的估计之间交替，证明了编码器收敛。为进一步提升收敛性能，提出了一种低复杂度过程以寻找良好初始点。数值结果验证了理论分析并展示了我们所提框架的性能改进。
引用
@article{arxiv.2305.18744,
title = {Unsupervised Massive MIMO Channel Estimation with Dual-Path Knowledge-Aware Auto-Encoders},
author = {Zhiheng Guo and Yuanzhang Xiao and Xiang Chen},
journal= {arXiv preprint arXiv:2305.18744},
year = {2023}
}