【技术实现步骤摘要】
一种基于深度学习的大规模MIMO系统信道估计方法
[0001]本专利技术涉及通信系统中信道估计领域，特别涉及一种基于深度学习的大规模MIMO系统信道估计方法。
技术介绍
[0002]MIMO技术指在发射端和接收端分别使用多个发射天线和接收天线，使信号通过发射端与接收端的多个天线传送和接收，从而改善通信质量。大规模MIMO技术被认为是5G和未来蜂窝通信系统的关键技术之一，大规模多输入多输出系统通过以分布式或集中式方式在基站部署大规模天线，利用了比传统MIMO系统大得多的空间自由度。在不增加频谱资源和发射功率的情况下，这种大规模的多输入多输出系统可以成倍地增加信道容量，并通过充分利用空间资源显著降低用户间的干扰。
[0003]在使用大规模MIMO系统中，准确的上行链路和下行链路信道状态信息对于信号检测、波束形成、资源分配、信号预处理等至关重要。实际上，信道对于发射机来说是未知的，必须首先通过接收机处的导频来估计。在时分双工(TDD)模式下，利用上行链路和下行链路之间的信道互易性，根据上行链路信道状态信息可以获得下行链路信...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的大规模MIMO系统信道估计方法，其特征在于，包括如下步骤：将导频信号通过MIMO通信系统进行传输，接收端接收到通信信号，利用最小二乘算法进行初步信道估计，将初步估计信道状态信息输入到预先训练好的深度神经网络确定信道估计；所述深度神经网络包括分组卷积神经网络、点卷积神经网络、深度可分离卷积神经网络，第一、四、七、九层采用点卷积神经网络，第二层采用分组卷积神经网络，第三、五、六、八层采用深度可分离卷积神经网络。2.根据权利要求1所述的信道估计方法，其特征在于，所述深度神经网络中前八层输出均添加激活函数tanh。3.根据权利要求1所述的信道估计方法，其特征在于，深度神经网络的训练过程包括：步骤1，将样本数据输入到深度神经网络，将输出的估计信道状态信息与真实信道矩阵之间的均方误差函数作为训练网络的代价函数；步骤2，利用ADAM优化算法更新深度神经网络的网络参数，设置初始学习率，后续优化算法将利用训练过程自适应更新学习率；步骤3，利用样本数据对深度神经网络进行离线...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。