使用图注意力网络的全双工 RIS 辅助 HAPS 回传信道估计

Oct, 2020

使用图注意力网络的全双工 RIS 辅助 HAPS 回传信道估计

Channel Estimation for Full-Duplex RIS-assisted HAPS Backhauling with Graph Attention Networks

Kürşat Tekbıyık, Güneş Karabulut Kurt, Chongwen Huang, Ali Rıza Ekti, Halim Yanikomeroglu

TL;DR本文利用图注意力网络（GAT）进行信道估计，在高空平台站（HAPS）上使用可重构智能表面协助的双向通信，获得低开销和高规范化均方误差性能，并证明 GAT 估算器在全双工信道估计中优于最小二乘估计。

Abstract

In this paper, graph attention network (GAT) is firstly utilized for the channel estimation. In accordance with the 6G expectations, we consider a high-altitude platform station (HAPS) mounted reconfigurable inte

graph attention network channel estimation reconfigurable intelligent surface full-duplex communication normalized mean square error

发现论文，激发创造

RadioGAT: 基于模型和数据驱动的多频段无线电地图重建框架

为了解决多频段无线射频地图重建在实际部署中所面临的挑战，我们提出了一种基于图注意力网络（GAT）的新框架 RadioGAT，它将基于模型的空间 - 频谱相关性编码与数据驱动的射频地图泛化相结合，从而最大程度地减少对大量数据源的依赖，并且在具有有限数据可用性的环境中展现出卓越的准确性和实用性。

Mar, 2024

RIS 增强的多用户 MISO 无线通信中的信道估计

本研究提出了基于并行因式分解的频道估计框架，通过交替最小二乘法和向量近似传递消息的迭代估计算法，实现了基站和 RIS 之间，以及 RIS 和用户之间频道的估计，并探讨了基站不同预编码方案完成下行可达速率计算。仿真结果表明，所提出的算法优于基准方案，并证实了它的有效性和鲁棒性。

Aug, 2020

智能反射面辅助多用户通信的锚点辅助信道估计

本文介绍了一种新的基于定位点辅助的信道估计方法，其中通过在智能反射表面（IRS）附近部署两个定位点，大大减小了复杂的信道训练开销和数据传输延迟，从而有效地解决了 IRS 无线通信中的估计挑战。

Feb, 2021

基于深度学习的分布式 MIMO 及 1 比特光纤前传信道估计

在分布式大规模多输入多输出 (MIMO) 架构中，我们考虑了试点辅助的上行信道估计问题，其中接入点通过光纤前传链路将接收到的模拟射频信号的两级量化版本连接到中央处理单元。我们在该架构中采用了由 Nguyen 等人 (2023) 最近提出的基于深度学习的信道估计算法，并探索该算法对接入点中的自动增益控制器 (AGCs) 和比较器引入的附加信号失真 (1 比特量化之外的失真) 的鲁棒性。这些组件用于从接收信号生成两级模拟波形。通过模拟结果，我们表明所提出的信道估计方法明显优于 Bussgang 线性最小均方误差信道估计器，并且对于由 AGCs 和比较器引入的附加损坏具有鲁棒性。

Jun, 2024

基于矩阵校准的级联通道估计在可重构智能表面辅助多用户 MIMO 中的应用

本文旨在解决可重构智能表面在多用户 MIMO 系统中的信道获取问题，通过提出一种基于矩阵校准和信息传递的新算法，实现了对级联信道的有效估计，大大提高了效率和准确性。

Dec, 2019

反射面增强毫米波无线系统中的信道估计：一种变分推理方法

我们在全被动可重构智能表面（RIS）辅助下的毫米波单用户单输入多输出（SIMO）通信系统中提出了一种基于变分推断（VI）的信道状态信息（CSI）估计方法，并且通过近似后验分布获得最大后验（MAP）估计，从而证明了所提出方法的有效性。

Aug, 2023

用于 RIS 辅助的毫米波 MIMO 信道的信道估计

采用迭代加权方法对 RIS 辅助下的毫米波 MIMO 信道进行了两级渠道估计，评估了所提出的方案的平均频谱效率和 RIS 波束成型增益，并证明了它实现了高分辨率估计，且平均频谱效率比具有完美 CSI 的方案具有可比性。

Feb, 2020

基于深度学习的辐射协助综合感知与通信系统信道估计

本文首次聚焦在辅助智能反射表面的综合感知与通信系统中的信道估计问题，提出了基于深度学习框架的三阶段方法，其中包括直接感知与通信信道、反射通信信道、以及反射感知信道的估计，该方法在全双工综合感知与通信基站的卷积神经网络架构上进行建模，设计了两种类型的输入输出对来训练卷积神经网络，模拟结果验证了该估计方法相对于最小二乘基准方案的优越性，并且分析了其计算复杂性。

Jan, 2024

基于注意力机制的神经网络用于无线信道估计

本文提出一种利用自注意机制实现正交频分复用波形下行链路信道估计的新型混合编码器 - 解码器结构（称为 HA02），利用 3GPP 信道模型进行模拟，结果显示其在信道估计方面表现更优秀。

Apr, 2022

基于深度学习的用于增强反射面辅助的 ISAC 系统信道估计

提出了一个深度学习框架来解决基于反射式智能表面的集成感知与通信系统中的信道估计问题，模拟结果表明这种方法比基准方案在不同信噪比条件和系统参数下具有优势。

Jan, 2024