华南理工大学学报(自然科学版)

作者：郑娟毅, 董嘉豪, 张庆珏, 等

单位：西安邮电大学 通信与信息工程学院，陕西 西安 710121

关键词：智能超表面,信道估计,深度学习,残差密集网络

基金：国家自然科学基金资助项目(61901367)

信道估计是通信系统中一项关键的技术，涉及评估信号在传输过程中经历的信道特性，以便接收端能够有效地对接收到的信号进行处理和恢复。为提高视距信道遮挡通信下的通信系统质量，使用智能超表面来辅助现有通信系统。智能超表面辅助的无线通信系统中，除了基站和用户之间的视距信道外，同时包含基站到智能超表面和智能超表面到用户之间的级联信道。当前信道估计方法基本上利用传统算法进行估计，为了解决智能超表面辅助多用户系统中复杂统计分布的级联信道估计精度低和计算复杂度高的问题，文中提出了一种基于传统算法和深度学习算法相结合的信道估计算法。利用传统算法的可解释性和深度学习算法的高性能特性，在卷积网络基础上，提出了一种基于残差密集网络（RDN）的去噪方法。首先按照系统参数模拟生成真实环境的数据集，使用传统最小二乘法（LS）进行信道粗估计，并将信道看作二维含噪图像；其次采用密集块（RDB）充分提取噪声数据局部特征，并使用多路卷积和残差网络对数据进行特征融合；最后通过已训练模型对数据进行在线估计，并得到去噪信道。文中从信道的估计精度对所提算法进行验证，在Rician信道模型上进行理论公式推导和系统仿真分析。仿真结果表明，与传统算法相比，文中所提出的算法提高了信道估计精度。

来源：2024年第3期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2024年第3期