基于深度学习的正交频分复用系统信道估计

TN92; 针对 5G系统信号接收子载波间串扰和子符号间干扰问题,提出了一种高效的基于深度学习的信道估计模型.在导频处进行初步估计获得估计信道,并将其视为含噪声的低分辨率图像样本输入信道估计模型,通过学习低分辨率图像与高分辨率图像之间的映射关系,最终去除输入信道的噪声,还原高分辨率信道图像,获得整个信道状态信息.仿真结果表明,该模型不仅延续了传统注意力机制抑制冗余信息的优势,降低了计算开销,还能获得良好的精度和鲁棒性,对各种信道都有较好的估计效果....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	通信学报 2023-12, Vol.44 (12), p.124-133
Hauptverfasser:	张昀, 周婧, 黄经纬, 于舒娟, 黄丽亚
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	TN92; 针对 5G系统信号接收子载波间串扰和子符号间干扰问题,提出了一种高效的基于深度学习的信道估计模型.在导频处进行初步估计获得估计信道,并将其视为含噪声的低分辨率图像样本输入信道估计模型,通过学习低分辨率图像与高分辨率图像之间的映射关系,最终去除输入信道的噪声,还原高分辨率信道图像,获得整个信道状态信息.仿真结果表明,该模型不仅延续了传统注意力机制抑制冗余信息的优势,降低了计算开销,还能获得良好的精度和鲁棒性,对各种信道都有较好的估计效果.
ISSN:	1000-436X
DOI:	10.11959/j.issn.1000-436x.2023240