基于深度学习的压缩感知FDD大规模MIMO系统稀疏信道估计算法

TN929.5; 针对FDD大规模多输入多输出(MIMO)下行链路系统,提出了一种新型的基于深度学习的压缩感知稀疏信道估计算法,即卷积重构网络(ConCSNet).在不需要稀疏度的情况下,通过数据驱动的方式,利用ConCSNet求解从测量向量y到信号h的逆变换过程,从而解决压缩感知框架下的欠定最优化问题,实现对原始稀疏信道的重构.仿真结果表明,所提算法能更快速、准确地恢复稀疏度未知的大规模MIMO系统的信道状态信息....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 42; no. 8; pp. 61 - 69
Main Authors 黄源, 何怡刚, 吴裕庭, 程彤彤, 隋永波, 宁暑光
Format Journal Article
LanguageChinese
Published 合肥工业大学电气与自动化工程学院,安徽 合肥 230009%合肥工业大学电气与自动化工程学院,安徽 合肥 230009 25.08.2021
武汉大学电气工程学院,湖北 武汉 430072
Subjects
稀疏信道估计
无线通信
FDD大规模MIMO系统
深度学习
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000-436x.2021128

Cover

More Information
Summary:TN929.5; 针对FDD大规模多输入多输出(MIMO)下行链路系统,提出了一种新型的基于深度学习的压缩感知稀疏信道估计算法,即卷积重构网络(ConCSNet).在不需要稀疏度的情况下,通过数据驱动的方式,利用ConCSNet求解从测量向量y到信号h的逆变换过程,从而解决压缩感知框架下的欠定最优化问题,实现对原始稀疏信道的重构.仿真结果表明,所提算法能更快速、准确地恢复稀疏度未知的大规模MIMO系统的信道状态信息.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2021128