IRS辅助MU-MISO系统中基于深度残差学习的信道估计

来源：电讯技术杂志2024年第7期北京时间：

作者：陈发堂,朱鹏云,杨涛,孙宸

单位：(1.重庆邮电大学 通信与信息工程学院，重庆 400065;2.中国人民解放军72506部队，河南 驻马店 463200)

摘要：针对智能反射表面辅助多用户通信系统中传统信道估计方法性能下降的问题，将信道估计问题转化为信道去噪问题，利用深度残差学习方法学习残差噪声，从含噪导频信号中恢复信道系数。同时为提升信道估计精度，设计信道估计网络进一步提升去噪性能。网络主体包含两个模块：拼接信息保留模块将每一层卷积输出相融合，防止信道特征丢失，有效提取信道噪声的主体特征；扩张卷积稀疏模块通过扩大感受野范围获得信道的重要结构和细节特征，恢复信道噪声的边缘细节特征。仿真结果表明，归一化均方误差约等于0.45时，所提方法在不明显增加复杂度情况下，相比于线性最小均方误差算法获得3.7 dB的信噪比增益，更为接近最小均方误差信道估计器的性能，表现出了更好的性能和可用性。

关键词：MU-MISO系统；智能反射面；信道估计；深度残差学习；扩张卷积；

基金资助：重庆市自然科学基金面上项目(cstc2021jcyj-msxmX0454)