快时变信道下基于深度学习的OFDM系统信道估计 |
| |
引用本文: | 季策,宋博翰,耿蓉,梁敏骏.快时变信道下基于深度学习的OFDM系统信道估计[J].系统工程与电子技术,2023(11):3649-3655. |
| |
作者姓名: | 季策 宋博翰 耿蓉 梁敏骏 |
| |
作者单位: | 1. 东北大学计算机科学与工程学院;2. 东北大学医学影像智能计算教育部重点实验室;3. 东北大学信息科学与工程学院 |
| |
摘 要: | 针对快时变信道的非平稳特性会造成信道估计性能变差的问题,在基扩展模型下提出了一种基于深度学习的信道估计算法,并将其应用于正交频分复用(orthogonal frequecy division multiplexing, OFDM)系统中。首先,根据快时变信道矩阵的局部相关特性,构建时频特征提取网络,利用卷积结构提取快时变信道在时域和频域的相关特征,并嵌入到下一级网络中进行特征的融合。其次,利用门控循环网络捕捉信道在不同符号处的变化相关性,在快时变信道环境下实现更准确的信道估计。仿真结果表明,与其他快时变环境下的信道估计算法相比,算法的估计性能提升明显;同时,网络的轻量化结构使算法的复杂度最低下降20%。
|
关 键 词: | 信道估计 正交频分复用系统 快时变 深度学习 基扩展模型 |
|
|