基扩展模型下基于深度学习的双选信道估计方法

• 作者: 曹梦硕 陈宝文 韩军
• 来源期刊: 计算机测量与控制
• 关键词: 基扩展模型 双选信道 深度学习
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 设计与应用
• 页码范围: 205-210,215
• 页数: 7页
• 分类号: TN911.72
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2020.10.042

摘要

针对OFDM系统在高速移动环境下信道的双选衰落和非平稳特性导致下行链路信道估计性能受限的问题,提出一种基于基扩展模型(BEM)并结合深度学习(DL)的信道估计方法;针对高速移动环境信道的双选衰落特性,使用BEM对信道进行建模,把估计大量的信道冲激响应转变为估计少量的基系数,减少了待估参数,有效降低了估计复杂度;针对高速移动环境信道非平稳特性,建立了深度神经网络,通过离线训练使其学习到双选信道的变化特征,提高了信道估计的准确度;仿真结果表明,在高速移动环境下,与传统的方法相比,所提信道估计方法性能提升明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩军		14	36	4.0	5.0
2	陈宝文		5	8	2.0	2.0
3	曹梦硕		1	0	0.0	0.0