换一批快时变信道下基于深度学习的OFDM系统信道估计
Deep learning based channel estimation for OFDM systems in fast time-varying channel
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2 0％.
更多相关知识
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channel estimationnorthogonal frequecy division multiplexing(OFDM)fast time-varingdeep learningbasis expansion model
分类号
TN911.72
栏目名称
DOI
10.12305/j.issn.1001-506X.2023.11.33
发布时间
2023-11-13（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国防预研项目（N2116015）
- 浏览1
- 被引7
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
