基于元学习算法的IRS-OTFS通信系统信道估计

作     者：张祖凡 段佳慧 王国仲 

作者机构：重庆电子工程职业学院 重庆邮电大学通信与信息工程学院 

出 版 物：《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期：2024年

核心收录：

学科分类：080904[工学-电磁场与微波技术] 12[管理学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62202077) 重庆市教育委员会科学技术研究计划重大项目(KJZD-M201900601) 

主　　题：元学习 智能反射表面 正交时频空间 信道估计 

摘      要：针对高多普勒场景下智能反射表面(IRS)辅助多用户通信系统存在的信道估计传输开销大的问题，该文结合正交时频空间(OTFS)调制特点构造一种IRS-OTFS通信系统，充分发挥IRS和OTFS的性能优势，并在此基础上提出一种学习率自适应的模型无关元学习(MAML)算法。对IRS-OTFS多用户信道估计任务做离线训练，根据各任务的收敛速度自适应地调整学习率，防止训练失衡，并利用信道之间的相关性和MAML算法的少样本、泛化特性得到全局模型和适应性模型，快速学习新用户信道的传输特性，降低传输开销，提高信道估计准确性。理论分析和仿真结果表明，该算法在信道传输条件相同的情况下，将传输开销降低了大约50%，并相对于基准算法有4.8dB左右的性能提升。