高速移动环境下基于深度学习的信道估计方法

• 作者: 姚海梅 廖勇 杨馨怡 花远肖
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: OFDM 信道估计 高速信道 深度学习 快时变信道 非平稳信道
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 学术论文
• 页码范围: 1701-1707
• 页数: 7页
• 分类号: TN911.72
• 字数: 6293字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2019.08.013

摘要

针对高速移动环境下信道快时变、非平稳特性导致下行链路信道估计性能受限的问题,本文提出一种基于深度学习的信道估计网络,即ChanEstNet.ChanEstNet使用卷积神经网络(Convolutional Neural Network,CNN)提取信道响应特征矢量和循环神经网络(Recurrent Neural Network,RNN)进行信道估计.我们利用标准的高速信道数据对学习网络进行离线训练,充分挖掘训练样本中的信道信息,使其学习到高速移动环境下信道快时变和非平稳的特点,更好的跟踪高速环境下信道的变化特征.仿真结果表明,在高速移动环境下,与传统方法相比,所提信道估计方法计算复杂度低,性能提升明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖勇	重庆大学通信与测控中心	170	2920	28.0	50.0
2	姚海梅	重庆大学通信与测控中心	8	11	2.0	3.0
3	杨馨怡	重庆大学通信与测控中心	3	5	1.0	2.0
4	花远肖	重庆大学通信与测控中心	6	9	2.0	3.0