基于深度学习的毫米波Massive MIMO信道估计

• 作者: 刘紫燕 马珊珊
• 来源期刊: 移动通信
• 学科: 工学
• 关键词: 毫米波 大规模多输入多输出 深度神经网络 信道估计 导频开销
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 研究与探讨
• 页码范围: 43-48
• 页数: 6页
• 分类号: TN91
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1010.2020.10.008

摘要

针对毫米波Massive MIMO系统中基于导频的信道估计精度较差和导频开销过大问题,提出基于DNN的两阶段信道估计方案.第一阶段通过训练数据对网络模型进行训练,在误差阈值范围内得到网络最优效果;第二阶段通过测试和验证数据进行信道参数估计,在此过程中采用Dropout策略防止过拟合.仿真结果表明,与LS、MMSE、OMP算法和LSTM相比,相同导频数量下,所提出的DNN方法信道估计精度平均提升约1.58 dB;不同导频数量下,使用较少导频数量的DNN方法估计精度仍优于使用较多导频数量的LS、MMSE、OMP和LSTM算法,同一估计精度下,DNN方法平均降低导频开销约32.4％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘紫燕		64	246	7.0	11.0
2	马珊珊		3	0	0.0	0.0