用于含硬件损伤 RIS 辅助多用户 OFDM 系统信道估计的免训练 DNN
信号处理
2021-07-16 v1 机器学习
摘要
可重构智能表面（RIS）是一种用于提升第五代（5G）及更先进网络性能的新兴技术。由于 RIS 的无源特性，RIS 辅助系统的信道估计在实践中具有挑战性。本文旨在为含硬件损伤的 RIS 辅助多用户单输入多输出（SIMO）正交频分复用（OFDM）系统引入一种基于深度学习、低复杂度的信道估计器。我们提出了一种基于深度图像先验（DIP）网络的免训练深度神经网络（DNN），以对通过传统基于导频的最小二乘（LS）估计获得的系统有效信道进行去噪，并获得更精确的估计。我们已经表明，与常规方法相比，我们所提方法在精度和低复杂度方面具有高性能。此外，我们已表明该估计器对收发机和 RIS 处硬件损伤引起的干扰具有鲁棒性。
引用
@article{arxiv.2107.07423,
title = {Untrained DNN for Channel Estimation of RIS-Assisted Multi-User OFDM System with Hardware Impairments},
author = {Nipuni Ginige and K. B. Shashika Manosha and Nandana Rajatheva and Matti Latva-aho},
journal= {arXiv preprint arXiv:2107.07423},
year = {2021}
}