基于深度学习的多载波系统信道估计与检测

• 作者: 汪周飞 袁伟娜
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 信道估计 滤波器组多载波(FBMC) 深度学习 神经网络 符号检测
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机技术、信息工程
• 页码范围: 732-738
• 页数: 7页
• 分类号: TN929
• 字数: 4987字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2020.04.012

摘要

为了提升滤波器组多载波(FBMC)系统的通信质量,针对符号检测与信道估计问题,研究系统框架和虚部干扰问题,提出基于深度学习的FBMC系统信道估计与检测方法.搭建完整的FBMC-偏移正交幅度调制(OQAM)系统与深度学习模型结合的仿真系统,设计接收数据的特征与标签处理;采用ResNet-DNN神经网络对信道符号检测模块建模,改进原模型网络结构和优化模型参数,和传统的分类器相比,提高了符号检测的准确性;采用CNN+NN模型对信道估计、均衡、符号检测模块进行建模和集成,理论分析和仿真结果表明,新方法的抗噪声能力、鲁棒性和误比特率(BER)性能均优于正交频分复用(OFDM)系统和基于导频估计的FBMC系统性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁伟娜	华东理工大学信息科学与工程学院	27	39	3.0	4.0
2	汪周飞	华东理工大学信息科学与工程学院	1	0	0.0	0.0