智能反射面| 代码复现：PARAFAC-Based Channel Estimation for Intelligent Reflective Surface Assisted MIMO System

原文为： 《PARAFAC-Based Channel Estimation for Intelligent Reflective Surface Assisted MIMO System》

传送门： https://arxiv.org/pdf/2001.06554.pdf 笔记传送门： CSDN笔记

前言

收到一些读者的信息，希望能提供一些对智能反射面工作的复现， 这里以这篇文章为例， 给出了完整的复现代码， 借此介绍下相关系统的仿真。

实现

整体代码由三部分构成： BLAS (应该是BALS， 这里笔误了)文件夹， 里面是对BALS算法的实现代码。 channel_generatino文件夹， 顾名思义用于仿真信道。 mian_SNR_BLAS (又拼错单词了， 但已经上传git了，懒得修改了）就是main函数来跑仿真的。

信道实现： 可以参考之前的笔记， 传送门 。这里基本用的一样的思路， 不过考虑了LoS径。 （注： 原文作者考虑的是简单的MIMO信道，有所不同）

算法实现： 按照作者给出的伪代码，逐次仿真即可。 有点事， 具体细节后面有时间补上， 最后附上代码：

github传送门

有帮助的话点个赞吧0.0

许多读者反映： 为什么级联信道估计的误差很小， 而 G 和 H的估计却非常差？ 这是合理的结论。 大家可以想一下， 如果H = 1， G = 2， 那么接收到的信号 和 G= 2, H=1， 是完全一样的。 也就是说， 你永远无法通过接收到的信号分辨 H 和 G到底谁是1， 谁是2. 这就是所谓的幅度歧义。 因此G 和 H的偏差是合理的， 也是不可避免的

相关阅读

• 专栏： 混合波束成形
• 专栏： 智能反射面
• 专栏：通信原理
• 智能反射面| 综述： Towards Smart and Reconfigurable Environment:
• 智能反射面|多IRS场景的系统数学建模
• 智能反射面| 信道估计论文: Channel Estimation for Reconfigurable Intelligent Surface Aided
• 智能反射面| 用户多天线MIMO系统的信道估计：平行因子分解与Khatri-Rao积
• 智能反射面| 基于分支界定法的MISO通信的最优波束赋形
• 智能反射面| 宽带情况的智能反射面信道估计——arxiv上的最新paper阅读笔记
• 智能反射面| 宽带情况的智能反射面信道估计——arxiv上的最新paper阅读笔记
• 智能反射面| Matlab代码实现的信道仿真
• 智能反射面| 代码复现：PARAFAC-Based Channel Estimation for Intelligent Reflective Surface Assisted MIMO System
• 智能反射面| MISO系统的信道估计：级联信道与压缩感知