一种基于图像去噪的大规模MIMO散射信道估计方法技术

本发明专利技术公开了一种基于图像去噪的大规模MIMO散射信道估计方法，属于大规模MIMO对流层散射通信领域。其包括：不同时间和相关性下的信道矩阵批量转换为灰度图片、构造融合注意力机制的卷积神经网络、训练该网络对图片进行去噪、将去噪后的灰度图片转换为信道矩阵从而获得最终信道系数的估计值。本发明专利技术可以克服传统线性信道估计方法在小信噪比时信道估计精度低、计算复杂度高的问题，能够在小信噪比时有效的去除高斯噪声从而提高估计精度，训练后的网络可以实时估计信道矩阵降低了计算复杂度，使得大规模MIMO对流层散射通信系统能够获得更加准确的信道信息。本发明专利技术实现简便、计算量低，可适用于各种相关性下的大规模MIMO对流层散射通信系统。

【技术实现步骤摘要】

本专利技术涉及大规模mimo对流层散射通信领域，特别是指一种基于图像去噪的大规模mimo散射信道估计方法，适用于各种需要计算复杂度低、信道估计精度高的大规模mimo对流层散射通信场景。

技术介绍

1、在通信领域中，大规模mimo技术导致信道矩阵过于庞大，使得传统算法性能恶化。因此，许多学者及研究团队开始尝试将人工智能在图像处理领域中的技术用在信道估计领域中。首先，将接收信号视作一张灰度图片，图片中的高斯白噪声相当于信号经过awgn信道后所受到白噪声。其次，生成大量带有标签的灰度图片数据集，设定损失函数后训练图像去噪网络。最终，通过训练好的图像去噪网络对接收信号进行实时去噪并提取信道矩阵。

2、随着深度学习的发展，诸多图像去噪网络(如dncnn、ldamp、ffdnet、fcdamp、ffdamp和tnlnet)应运而生，其中ffdnet训练速度快且估计准确度较高获得了比较广泛的关注。ffdnet的独特之处在于将输入图像分割为子图像进行去噪，并将去噪后的子图像拼接后输出。这一处理方法在几乎不损失精度的前提下加快了训练速度，经过其他研究团队的验证，本文档来自技高网...

【技术保护点】

1.一种基于图像去噪的大规模MIMO散射信道估计方法，其特征在于，包括以下步骤：

【技术特征摘要】

1.一种基于图像去噪的大规模mimo散射...

【专利技术属性】
技术研发人员：史清林，刘丽哲，王一，全亮，李行健，赵梓焱，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：