一种深度学习的波束空间信道估计算法

作者：郑娟毅; 张庆珏; 董嘉豪; 郭梦月; 杨溥江

来源：计算机工程, 2023, 1-9.

DOI：10.19678/j.issn.1000-3428.0067711

• 大规模MIMO
• 稀疏信道估计
• 压缩感知
• 深度学习
• 迭代阈值收缩算法
• 无线通信

在时分双工（TDD）毫米波大规模多输入多输出（MIMO）系统中，基于波束空间信道的稀疏性，将低维的测量数据有效重建原始高维信道会带来较高的复杂度。针对上行链路，在不需要稀疏度的情况下，本文将传统优化算法和基于数据驱动的深度学习方法结合，提出了一种改进的基于深度学习的波束空间信道估计算法。从重建过程入手，通过交替建立梯度下降模块（GDM）和近端映射模块（PMM）来构建网络。具体来说，首先根据Saleh-Valenzuela信道模型进行理论公式推导并生成信道数据。其次将数据传输到由传统迭代阈值收缩算法（ISTA）的更新步骤展开成固定数量层组成的网络，每层对应于一次类似ISTA的迭代。最后对训练好的模型进行在线测试，恢复出待估计的信道。通过构建pytorch环境，与正交匹配追踪（OMP）算法、近似消息传递（AMP）算法、可学习的近似消息传递（LAMP）算法、高斯混合LAMP（GM-LAMP）算法仿真对比，结果表明：所提算法在估计精度方面，相较表现较好的深度学习算法LAMP、GM-LAMP提升约3.07dB和2.61dB，较传统算法OMP、AMP提升约11.12 dB和9.57 dB；在参数量方面，较LAMP、GM-LAMP减少约39%和69%。

• 单位
  西安邮电大学; 通信与信息工程学院