基于深度去噪的无线信道感知网络模型及性能分析

随着大规模天线阵在基站端的部署,信道矩阵变得越来越稀疏,因此传统的信道矩阵具备了图像的特性,可以将稀疏的信道矩阵视为二维自然图像,借助深度学习的网络模型进行感知和估计。提出了一种新型信道图像的生成方式,解决了传统信道图像的获取依赖于天线几何尺寸的问题。更进一步地,借鉴深度学习在图像降噪方面的应用,提出了一种基于深度学习去噪的信道感知网络模型,将带噪声的信道矩阵视为信道图像,作为输入张量,通过深度去噪网络对噪声进行学习和消除,输出干净的信道图像作为信道感知的结果。仿真结果表明,与LMMSE基准算法相比,所提基于深度去噪的信道感知网络模型在超低信噪比下具有更好的性能。在高信噪比下,可以达到近似LMMSE的性能,且具备更低的实现复杂度。