基于深度展开神经网络的融合感知通信场景信道估计OA
Channel Estimation for Integrating Sensing and Communications Based on Deep Unfolding Neural Network
为了提高毫米波大规模MIMO系统中信道估计的准确性,将雷达感知与通信系统融合,提出一种基于深度展开神经网络的雷达辅助通信信道估计方法.该方法首先利用雷达的回波信号获取目标的角度,并将角度信息传输给通信模块.在通信模块中,将信道估计问题转化为稀疏信号恢复问题.利用感知获得的角度信息作为先验信息,设计了一种新的软阈值收缩函数,并提出了一种先验信息辅助的深度展开信道估计神经网络.仿真结果表明,提出的信道估计方法相较于现有的压缩感知类方法和深度学习类方法具有更低的信道估计误差.
杨佳攀;陈为;艾渤
北京交通大学电子信息工程学院,北京100044||先进轨道交通自主运行全国重点实验室,北京100044北京交通大学电子信息工程学院,北京100044||先进轨道交通自主运行全国重点实验室,北京100044北京交通大学电子信息工程学院,北京100044||先进轨道交通自主运行全国重点实验室,北京100044
电子信息工程
感知通信深度展开信道估计
sensingcommunicationdeep unfoldingchannel estimation
《移动通信》 2023 (9)
64-70,7
国家自然科学基金"轨道交通信息高效可靠传输"(62221001)优秀青年科学基金"面向高效能无线通信的压缩感知理论与技术"(62122012)北京市自然科学基金"基于视频监控的小样本铁路障碍物识别技术","基于深度学习的边缘计算自适应资源分配技术"(L202019,L211012)中央高校基本科研业务费"高可靠车路云通信技术"(2022JBQY004)
评论