基于深度学习的智能反射面辅助通信系统信道估计

来源：计算机应用杂志2025年第5期北京时间：

作者：王丹, 张文豪, 彭丽娟

单位：1.重庆邮电大学 通信与信息工程学院，重庆 400065；2.移动通信技术重庆市重点实验室（重庆邮电大学），重庆 400065

摘要：针对智能反射面（RIS）辅助通信系统中信道估计精度低的问题，提出一种基于信道去噪网络（CDN）的信道估计方案，将信道估计问题建模为信道噪声消除的问题。首先使用传统算法对接收到的导频信号进行初步预估计，随后将该预估计信号输入信道估计网络以学习噪声特征并进行去噪处理，从而恢复出精确的信道系数。为了提高网络的去噪能力，设计了加权注意力块（WAB）和膨胀卷积块（DCB）以增强网络对噪声主体特征的提取，同时设计多尺度特征融合模块以防止浅层特征的丢失。仿真结果表明，与经典的DnCNN （Denoising Convolutional Neural Network）和CDRN （Convolutional neural network-based Deep Residual Network）方案相比，所提方案的归一化均方误差（NMSE）在不同信噪比（SNR）下平均降低了2.89 dB和2.01 dB。

关键词：深度学习,智能反射面,信道估计,注意力机制,卷积神经网络

基金资助：重庆市自然科学基金创新发展联合基金（中国星网）资助项目(CSTB2023NSCQ-LZX0114)