典型文献
基于深度学习的MIMO系统信道估计算法
文献摘要：
精确的信道估计对于保证无线通信系统性能至关重要.针对多输入多输出(multiple input multiple output,MIMO)系统传统信道估计算法需已知信道统计信息以及性能与复杂度折中等问题,提出一种基于深度学习的多网络级联MIMO系统信道估计方案.基于卷积神经网络构建信道信息重建网络,初步重构出信道信息,进而基于深度残差网络构建信道估计网络进行级联得出估计结果,并利用多个损失函数对网络进行优化.仿真结果表明,在牺牲一定时间复杂度的情况下,所提方案的均方误差随信噪比增加逐渐优于线性最小均方误差(linear minimum mean squared error,LMMSE)估计算法,且不受信道统计信息的约束.
文献关键词：
深度学习;多输入多输出(MIMO)系统;信道估计;多损失函数
中图分类号：
作者姓名：
邢隆;徐永海;李国权;林金朝
作者机构：
重庆邮电大学 光电工程学院,重庆400065;光电信息感测与传输技术重庆市重点实验室,重庆400065;重庆邮电大学 通信与信息工程学院,重庆400065
文献出处：
引用格式：
[1]邢隆;徐永海;李国权;林金朝-.基于深度学习的MIMO系统信道估计算法)[J].重庆邮电大学学报（自然科学版）,2022(04):685-693
A类：
B类：
MIMO,信道估计,估计算法,无线通信系统,系统性能,多输入多输出,multiple,input,output,道统,统计信息,折中,多网络,网络构建,重建网络,深度残差网络,时间复杂度,线性最小均方误差,linear,minimum,mean,squared,error,LMMSE,多损失函数
AB值：
0.319085
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
