公开(公告)号：CN116319190A

公开(公告)日：2023-06-23

申请号：CN202310231727.X

申请日：2023-03-10

Applicant: 南京邮电大学

Inventor： 刘旭 ,  梁睿 ,  杨龙祥 ,  朱洪波

IPC: H04L25/02 ,  G06N3/0475 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/045 ,  G06N3/08 ,  H04B7/0413

Abstract: 本发明公开了一种基于GAN的大规模MIMO系统信道估计方法、装置、设备及介质，方法包括以下步骤：接收MIMO系统的发送端发送的导频信号，基于预先设计并训练的去噪神经网络，对接收到的信号进行去噪；根据去噪后得到的信号，使用随机梯度下降算法优化预先设计并训练的GAN的随机输入，得到最优的GAN输入。该基于GAN的大规模MIMO系统信道估计方法、装置、设备及介质，通过对接收信号进行了有效的去噪，降低了信道估计过程中噪声对信道估计的影响，并且采用注意力机制有效地利用了角度域信道的空间聚集稀疏结构，将整个角度空间分割成多个小角度区域，分别关注这些小区域，过滤掉无关信息对本区域信道学习的影响，提高了信道学习的效率和信道估计的准确性。

公开(公告)号：CN114884775A

公开(公告)日：2022-08-09

申请号：CN202210340614.9

申请日：2022-03-31

Applicant: 南京邮电大学

Inventor： 刘旭 ,  梁睿 ,  杨龙祥 ,  朱洪波

IPC: H04L25/02 ,  H04B7/0413

Abstract: 本发明公开了一种基于深度学习的大规模MIMO系统信道估计方法，包括如下步骤：将导频信号通过MIMO通信系统进行传输，接收端接收到通信信号，利用最小二乘算法进行初步信道估计，将初步估计信道状态信息输入到预先训练好的深度神经网络确定信道估计。本发明利用点卷积层、分组卷积层和深度可分离卷积层构建深度神经网络，该网络降低了需要存储的参数个数，减少需要计算的卷积次数，从而降低深度学习算法在信道估计时的复杂度；本发明深度神经网络拥有更高精度，在低信噪比时保持很好的性能表现；本发明中使用的激活函数提高了深度神经网络估计信道的精度。