基于人工神经网络的OFDM系统信道辨识与补偿

• 作者: 许癸驹 钱雅楠 代红英
• 来源期刊: 电子测量技术
• 关键词: OFDM 快速衰落 非线性预测 人工神经网络 信道估计
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 数据采集及信号处理|Data Acquisition and Signal Processing
• 页码范围: 120-124
• 页数: 5页
• 分类号: TN929.1
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2106008

摘要

针对快衰落环境下OFDM系统的导频辅助信道估计,受到信道状态波动影响较大的问题,提出了一种基于人工神经网络的OFDM系统信道辨识与补偿方法.首先,对传统判决反馈信道估计方法进行了分析,说明了其在快衰落环境下存在的问题.其次,利用判决反馈信道估计以恒定间隔获得部分信道状态信息,从而仅用少量估计的信道状态信息来训练人工神经网络.然后,采用Levenberg-Marquardt算法进行神经网络训练.最后,在人工神经网络训练后,所有数据符号索引被串行输入到人工神经网络,以便对信道状态信息的整体转移进行插值,从而有效地补偿信道变化.快衰落环境下的OFDM通信系统测试结果表明,在多普勒频率为700 Hz的高移动性环境下,相比于传统估计方法,该方法表现出更好的误码率性能,可以消除错误平层,误码率达到10-4以下.