基于生成对抗网络的RIS辅助系统信道估计算法

针对可重构智能表面(Reconfigurable Intelligent Surface, RIS)辅助的通信系统中难以获取准确信道状态信息(Channel State Information, CSI)的问题，提出一种基于条件生成对抗网络(conditional Generative Adversarial Network, cGAN)的深度学习算法，用于实现可重构智能表面辅助单输入多输出(Reconfigurable Intelligent Surface assisted-Single Input Multiple Output, RIS-SIMO)系统的上行信道估计。采用最小二乘(Least Squares, LS)估计算法进行信道的粗估计，进一步设计cGAN将信道估计问题建模为低分辨图像到高分辨图像的恢复问题，通过设计网络结构和改进损失函数来提高信道估计的精度。仿真实验表明，相比传统的LS算法以及基于卷积的深度残差网络(CNN based Deep Residual Network, CDRN)估计算法，所提算法具有更高的估计精度，且可以适应更少导频数目和更复杂的应用场景。