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

摘要：

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.

关键词：无线通信;FDD大规模MIMO系统;稀疏信道估计;深度学习

所属期刊栏目：42

分类号：TN929.5

资助基金：国家重点研发计划基金资助项目;国家自然科学基金资助项目

在线出版日期：2021-09-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：61-69