In this study, we propose deep learning (DL) approach to pilot assisted channel estimation for multiple input multiple output (MIMO) orthogonal frequency multiplexing (OFDM) communication system. Conventional DL algorithms entails large number of training data and updates when deal with unseen various channels in practical. In order to reduce resources like training data and updates, we apply meta learning to deep learning based channel estimation. The performance of designed meta learning based channel estimation is evaluated under 5G standard channel models. We present numerical results on the performance of meta learning estimation and show that it can achieve the higher accuracy than other conventional estimations with just a few training samples and iterations.
본 논문은, 다중 통신 직교 주파수 분할 통신 시스템에서 파일럿 신호에 의한 채널 추정에 딥러닝의 적용을 연구하였다. 새로운 다양한 채널들에 딥러닝을 기반한 채널 추정 방식이 동작하기 위해서는 많은 양의 학습 데이터와 업데이트가 필요하다. 이 문제를 해결하기 위해서, 우리는 메타 러닝을 딥러닝 기반 채널 추정 방식에 이용하여 새로운 다양한 체널들에 적은 학습 샘플들만으로도 적응할 수 있게 하였다. 메타 러닝 기반 채널 추정 방식의 성능은 5G 표준 채널 모델에서 평가되었다. 우리의 분석과 실험 결과에 따르면, 제안한 메타 러닝으로 학습된 뉴럴넷은 새로운 채널 환경에서 적은 수의 학습 데이터들만을 사용해 빠른 학습 (적은 수의 업데이트)이 가능하다.
