[发明专利]一种无线通信信道估计方法和装置

说明书

本发明公开一种无线通信信道估计方法和装置，接收用户端发送的导频信号，转化为二维图像得到信道矩阵；建立残差密集网络信道估计模型和初始化模型网络参数，将所述信道矩阵作为输入信号，噪声估计矩阵作为输出信号，进行模型训练，所述残差密集网络信道估计模型由RDN结构和CBAM结构级联组成；通过前向传递，计算所述残差密集网络信道估计模型的损失函数；通过链式法则，根据随机梯度下降算法，对所述损失函数计算更新网络参数，用所述更新网络参数更新所述残差密集网络信道估计模型，直到归一化均方误差满足收敛条件，记录当前的残差密集网络信道估计模型和模型网络参数。本发明结构简单、应用性强。

技术领域

本发明涉及无线通信技术领域，尤其涉及一种无线通信信道估计方法和装置。

背景技术

高度复杂的网络、高成本的硬件和日益增加的能源消耗已成为未来无线通信面临的关键问题，智能超表面(RIS)是一种亚波长尺寸的人工二维材料，通常由金属、介质和可调元件构成，可以等效表征为RLC电路。RIS旨在智能地重构收发机之间的无线传播环境，其中RIS的核心特征在于准无源，RIS利用对人工电磁材料物理特性的调控实现对电磁波的无源控制。如果需要单独估计RIS-UE和RIS-BS信道，通过传统的最小二乘法(LS)、MMSE，或基于压缩感知(CS)的信道估计方法，因为存在大量的反射单元，RIS-UE和RIS-BS信道是极高维的，并且RIS单元需要部分或完全接入到基带，因此单独估计RIS-UE和RIS-BS信道复杂度较高且硬件成本大。

发明内容

本发明提供一种无线通信信道估计方法和装置，解决现有方法复杂度高和硬件成本大的问题。

为解决上述问题，本发明是这样实现的：

发明实施例提供一种无线通信信道估计方法，包含以下步骤：将用户端发送的导频信号，转化为二维图像得到信道矩阵；建立残差密集网络信道估计模型，初始化模型网络参数，将所述信道矩阵作为输入信号，噪声估计矩阵作为输出信号，进行模型训练，计算所述信道矩阵与噪声估计矩阵的差为信道估计矩阵，所述残差密集网络信道估计模型由RDN结构和CBAM结构级联组成；通过前向传递，根据所述残差密集网络信道估计模型计算信道损失函数；通过链式法则，根据随机梯度下降算法，对所述信道损失函数计算更新网络参数，用所述更新网络参数更新所述残差密集网络信道估计模型，直到信道估计矩阵的归一化均方误差满足收敛条件，记录当前的残差密集网络信道估计模型和模型网络参数。

优选地，在所述残差密集网络信道估计模型中，包含N_R个所述RDN结构和1个所述CBAM结构，N_R为级联RDN结构的个数，6≤N_R≤8。

优选地，所述RDN结构的主体为B个Conv3×3残差连接层。

优选地，所述CBAM结构由Conv7×7+Relu+Conv7×7构建。

进一步地，所述收敛条件为所述信道估计矩阵的归一化均方误差在连续设定周期内波动范围小于等于设定阈值。

进一步地，所述导频信号为用户端发送，传输主路径被遮挡后，经反射传输到基站的信号。

进一步地，每个用户端所有天线采用不同的导频序列，从而产生正交的导频矩阵。

优选地，所述方法还包含：实时接收用户端发送的导频信号，转化为信道矩阵，代入所述残差密集网络信道估计模型，得到最终的信道估计矩阵。

优选地，所述设定阈值为0.1dB，所述设定周期大于等于4。

优选地，所述导频信号为用户端发送，传输主路径被遮挡后，经智能反射表面面板反射传输到基站的信号。