CN115833974B 基于改进残差收缩网络的ris通信系统信道估计方法 (山东大学)_第1页
CN115833974B 基于改进残差收缩网络的ris通信系统信道估计方法 (山东大学)_第2页
CN115833974B 基于改进残差收缩网络的ris通信系统信道估计方法 (山东大学)_第3页
CN115833974B 基于改进残差收缩网络的ris通信系统信道估计方法 (山东大学)_第4页
CN115833974B 基于改进残差收缩网络的ris通信系统信道估计方法 (山东大学)_第5页
已阅读5页,还剩17页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于改进残差收缩网络的RIS通信系统信道基于改进残差收缩网络的RIS通信系统信道系统生成数据集,并利用缩放最小二乘(SLS)算网络强大的降噪能力,对RIS辅助无线通信系统上行信道进行估计,显著提升信道估计的准确2RIS辅助无线通信系统采用时分复用全双工模式,采用上行链路对信道户到RIS和用户到基站的信道矩阵分别为和其各元素为独立复高斯随机相位调整,反射相位矩阵表示为D=dliag(r)=diag([ei,…el的,…eBI')ec"e",其中0EP,s2m表示为其中w=32)搭建以残差收缩网络即DRSN为基础的网络模将软阈值化和注意力机制引入到ResNet网络结构中,搭建以DRSN为基础的网络模型,①令x表示输入数据特征,x经过残差收缩模块的第一个卷意力图和空间注意力图与F1相乘以进行自适应特征优化,CAM模块对输入的特征图在空间其中和分别表示在CAM模块中对SAM模块串联在CAM模块之后,将CAM模块的输出结果F得到两个1×H×W维的特征图,两个特征图通过拼接操作后经过7*7卷积层变为1个通道的4④输入特征x通过恒等映射与去噪后的Ff相加,且Ff和x的维数相同,则y定义为y=σf)+x;3)在不同信噪比下生成测试数据,并输入训练生成105条测试数据,针对每一条测试数据,首iss,接着通过信道估计网络进行噪声消除,最后输出可靠信道估计结果并与实际信道矩阵H比较来评测信道估计性能。5[0001]本发明涉及一种基于改进残差收缩网络的RIS通信系统信道估计方法,属于无线[0002]可重构智能表面(RIS)是由大量的无源反射单元组成,通过无源反射元件改变入NetworkEmpoweredChannelEstimationforIRS_AssistedMulti_UserCommunicationSystems,"ICC2021_IEEEInternationalConferenceon[0004]传统LMMSE信道估计算法估计需要已知信道统计特性,且随着反射单元数目的增单元,接收端包括由Nr根接收天线组成的基站和基于改进残差收缩网络的信道估计模块,6RIS到基站的信道矩阵为Bec",其元素服从莱斯分布,c""表示Nr×N维的复数向量阵,在RIS辅助的多用户通信系统中估计用户到基站的级联信道G=Bdiag(h)和直传信道d用户的信道估计导频,导频序列两两正交,第k个用户发送的导频序列为xk=[uk,1,...,R,=diag(r,)=diag([e8e",…e8s",…,e8e"I了')ec"",其中0sn.,s2m代表在第d个相移矩可以表示为其中w7道注意力图和空间注意力图与F1相乘以进行自适应特征优化,CAM模块对输入的特征图在其中FW和Fc1max分别表示在CAM模块中对输化层得到两个1×H×W维的特征图,两个特征图通过拼接操作后经过7*7卷积层变为1个通回C×H×W维,空间注意力的特征图表示为其中和其中表示克罗内克积运算;8到iss,接着通过信道估计网络进行噪声消除,最后输出可靠信道估计结果iww,并与实[0022]本发明提出了基于改进残差收缩网络的可重构智能表面(RIS)辅助无线通信系统最小二乘(LS)、缩放最小二乘(SLS)等传统信道估计方法的归一化均方误差性能仿真对比单元,接收端包括由Nr根接收天线组成的基站和基于改进残差收缩网络的信道估计模块,9RIS到基站的信道矩阵为Bec"",其元素服从莱斯分布,表示Nr×N维的复数向量集,用户到RIS和用户到基站的信道矩阵分别为hec和dec"",其各元素为独立复高斯阵,在RIS辅助的多用户通信系统中估计用户到基站的级联信道G=Bdiag(h)和直传信道d用户的信道估计导频,导频序列两两正交,第k个用户发送的导频序列为xk=[uk,1,...,R,-diag(r,)=diag(leBe",…eB",.…eBe"I')ec"⃞",其中0sp.,s2r代表在第d个相移矩可以表示为其中w道注意力图和空间注意力图与F1相乘以进行自适应特征优化,CAM模块对输入的特征图在其中FW和Fc1max分别表示在CAM模块中对输化层得到两个1×H×W维的特征图,两个特征图通过拼接操作后经过7*7卷积层变为1个通回C×H×W维,空间注意力的特征图表示为其中和其中表示

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论