10.3969/j.issn.0372-2112.2019.08.013
高速移动环境下基于深度学习的信道估计方法
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.
OFDM、信道估计、高速信道、深度学习、快时变信道、非平稳信道
47
TN911.72
国家自然科学基金61501066;重庆市基础与前沿研究计划项目cstc2015jcyjA40003;重庆市研究生科研创新项目CYS18061;中央高校基本科研业务费重点基金106112017CDJXY500001
2019-09-09（万方平台首次上网日期，不代表论文的发表时间）
共7页
1701-1707
