基于深度展开神经网络的融合感知通信场景信道估计

【摘  要】为了提高毫米波大规模MIMO系统中信道估计的准确性，将雷达感知与通信系统融合，提出一种基于深度展开神经网络的雷达辅助通信信道估计方法。该方法首先利用雷达的回波信号获取目标的角度，并将角度信息传输给通信模块。在通信模块中，将信道估计问题转化为稀疏信号恢复问题。利用感知获得的角度信息作为先验信息，设计了一种新的软阈值收缩函数，并提出了一种先验信息辅助的深度展开信道估计神经网络。仿真结果表明，提出的信道估计方法相较于现有的压缩感知类方法和深度学习类方法具有更低的信道估计误差。

【关键词】感知；通信；深度展开；信道估计

0   引言

随着无线通信技术和雷达感知技术的不断发展，无线通信与雷达感知两个原本独立的领域展现出越来越多的相似性[1]。首先，无线通信频段向毫米波和太赫兹等更高频段的演进，使得无线通信和传统感知频段之间产生了越来越多的重叠；其次，通信和感知在系统设计、信号处理和硬件实现等方面具有相似性，这意味着使用一套硬件设备来实现通信和感知功能变得可行。目前，智能交通、智慧安防等6G新场景新业务的出现对无线通信和雷达感知提出了更高的要求[2-3]。因此，通信感知一体化技术通过在共享软硬件资源或信息的基础上，同时实现感知和通信功能，成为6G的关键使能技术之一[4]。

毫米波通信技术因其具有丰富的频谱资源、更大的通信带宽而受到人们广泛的关注。但是，毫米波通信技术面临着路径损耗大的挑战，而大规模MIMO（Multiple-Input Multiple-Output，多输入多输出）技术通过在基站配置大规模阵列天线，可以为毫米波通信系统提供较大的阵列增益，从而克服路径损耗大的不足。因此