摘要
针对可重构智能表面(RIS)辅助多用户通信系统中信道估计导频开销大和精度有限的问题,提出一种基于深度压缩感知的信道估计算法.为了降低传统正交匹配追踪(OMP)算法的导频开销,利用级联信道特有的双结构稀疏性质,提出改进OMP算法,获得级联信道的粗估计值;为了进一步提升信道估计的精度,设计了一种深度学习模型,将粗估计信道矩阵视为低分辨的图像,通过多路卷积网络最大程度地隐式学习噪声特征;最后,提出了基于残差连接的多路卷积网络(RMCN)结构,利用噪声的空间特性和可加性,去除噪声对信道矩阵的影响,输出一个高分辨率的级联信道矩阵,从而完成信道估计.仿真结果表明,相比于传统OMP算法,所提RMCN-OMP算法的归一化均方误差减小了约2.5 dB,在降低导频开销的同时,具有更高的估计精度.
NETL
NSTL
万方数据