摘要
基于压缩感知和深度学习的毫米波频分双工大规模MIMO系统信道估计方法,属于无线通信技术领域。技术方案:利用压缩感知方法对接收的导频信号进行处理,从中提取出初步的CSI矩阵;采用卷积神经网络和长短时记忆网络的结合结构提取空间特征和捕捉时间相关性;将初步估计的CSI矩阵输入ConvLSTM层,ConvLSTM网络融合时间相关信息以提高CSI估计的精度;使用相同的填充、ReLU激活函数和适当大小的滤波器获得与输入数据相同的尺寸;通过维数变换和反归一化得到最终的CSI估计结果。有益效果:本发明利用压缩感知和深度学习进行信道估计的方法,旨在降低信道估计的开销并提高时变信道中的估计精度,降低了下行训练和上行反馈的开销,同时提高了时变信道中的信道估计精度。
技术关键词
OFDM系统
压缩感知方法
导频符号
矩阵
信道特征提取
OFDM符号
基站天线
估计信道状态信息
信道估计
深度学习网络结构
代表
重构算法
频分双工模式
卷积神经网络提取
记忆单元
系统为您推荐了相关专利信息
监督深度学习方法
原始图像数据
深度神经网络模型
图像数据生成器
样本
场景生成方法
节点
联合神经网络模型
皮尔逊相关系数
数据
注意力
矩阵
分块
列表
非暂态计算机可读存储介质