大规模多输入多输出可见光通感一体化系统的信道状态信息还原和定位

作     者：刘晓东 宁依婷 董帆 汤力为 王玉皞 王金元 LIU Xiaodong;NING Yiting;DONG Fan;TANG Liwei;WANG Yuhao;WANG Jinyuan

作者机构：南昌大学信息工程学院南昌330031 上饶师范学院数字技术应用产业学院上饶334001 南京邮电大学通信与信息工程学院南京210003 

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

年 卷 期：2024年第46卷第6期

页      面：2391-2400页

核心收录：

学科分类：07[理学] 08[工学] 070104[理学-应用数学] 081101[工学-控制理论与控制工程] 0701[理学-数学] 0811[工学-控制科学与工程] 

基　　金：江西省青年基金(20224BAB212004) 国家自然科学基金(62061030) 江苏省自然科学基金(BK20221328) 可见光通信重点实验室开放课题(HKLVLC2023-B02) 国家级大学生创新创业训练计划项目(202210403095) 

主　　题：可见光通感一体化 大规模多输入多输出 深度学习 信道估计和定位 

摘      要：得益于丰富的频谱和光源,可见光通信感知一体化(IVLCP)系统为解决高性能通信定位的室内无线网络需求提供强有力的技术支撑。同时,大规模多输入多输出(m-MIMO)技术能有效提高IVLCP网络的服务范围和质量。然而,m-MIMO赋能的IVLCP网络的信道环境更加复杂且先验信息更易变化,这使得传统方法难以快速准确地完成信道估计和定位。针对此,该文提出一种信道状态信息还原和定位(CSIRP)网络,该网络不仅能够有效地捕捉复杂分布的可见光通信信道特征,同时能够应对信道状态的时变性,从而提高信道和位置估计的鲁棒性和动态适应性。具体而言,CSIRP网络首先基于条件生成对抗思想自适应训练生成器和鉴别器,进而实现根据接收信号进行信道估计,接着结合长短期记忆网络(LSTM)从估计的信道中获取接收终端的位置估计值。仿真结果表明,采用CSIRP网络所获得的信道状态准确度和定位精度均优于现有的深度学习参考方法,这为m-MIMO赋能的IVLCP系统提供了可靠和精准的信道状态信息和位置感知能力。