首页|期刊导航|无线电通信技术|压缩感知和深度学习赋能的混合式IRS的能量效率优化

压缩感知和深度学习赋能的混合式IRS的能量效率优化OA

中文摘要

智能反射表面(Intelligent Reflecting Surface,IRS)是第六代移动通信系统中的潜在关键技术之一,然而无源IRS缺乏信号处理能力,给其在毫米波大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中的信道估计带来了挑战。为获取更精确的信道状态信息,提出了一种混合式IRS架构,在无源IRS表面嵌入少量有源传感器,通过压缩感知(Compressed Sensing,CS)从有限的测量中重建完整的信道矩阵,利用不同子载波之间角域毫米波MIMO信道的共同稀疏性来提高准确性,将信道估计问题转化为图像去噪问题。训练基于复值的去噪卷积神经网络(Complex-Valued Denoising Convolutional Neural Network,CV-DnCNN)以增强性能,并使用预定义码本搜寻最优IRS交互矢量,通过深度去噪神经网络辅助CS实现信道重构,使混合式IRS赋能的毫米波系统能量效率最大化,减少训练开销。仿真结果表明,所提出的方案具有较好的估计性能。

薛亮;张慧茹;吕陈昱

河北工程大学信息与电气工程学院,河北邯郸056038河北工程大学信息与电气工程学院,河北邯郸056038河北工程大学信息与电气工程学院,河北邯郸056038

信息技术与安全科学

混合式智能反射表面压缩感知复值去噪神经网络信道估计毫米波系统

《无线电通信技术》 2026 (3)

P.654-662,9

国家自然科学基金(62071071,62101174)河北省自然科学基金(F2023402011,F2024402023)。

10.3969/j.issn.1003-3114.2026.03.016

评论