科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文研究了一个基于深度学习的大型智能表面毫米波多输入多输出(Multiple-InputMultiple-Output，MIMO)系统。为了克服波长和阵列间距相差较大的信号传输问题，传统的均匀线性阵列(UniformLinearArray，ULA)被替代为均匀平面阵列(UniformPlanarArray，UPA)。提出了一种基于改进的双卷积神经网络(ChannelNet)的信道估计方法。首先采用最小二乘算法获取初始化的信道信息，随后使用ChannelNet 获得更高精度的信道信息，并重点探究了在UPA结构下的表现。通过与最小二乘算法和多层感知器算法进行比较。结果表明，该算法在信道估计精度和效率方面均优于以上两种算法，且使用UPA结构下的ChannelNet算法相对于使用ULA结构下的表现更好。这表明该方法在毫米波MIMO 信道估计方面具有更好的性能。
- 单位
