基于深度学习的毫米波Massive MIMO信道估计

摘要

针对毫米波Massive MIMO系统中基于导频的信道估计精度较差和导频开销过大问题,提出基于DNN的两阶段信道估计方案.第一阶段通过训练数据对网络模型进行训练,在误差阈值范围内得到网络最优效果;第二阶段通过测试和验证数据进行信道参数估计,在此过程中采用Dropout策略防止过拟合.仿真结果表明,与LS、MMSE、OMP算法和LSTM相比,相同导频数量下,所提出的DNN方法信道估计精度平均提升约1.58 dB;不同导频数量下,使用较少导频数量的DNN方法估计精度仍优于使用较多导频数量的LS、MMSE、OMP和LSTM算法,同一估计精度下,DNN方法平均降低导频开销约32.4％.