基扩展模型下基于深度学习的双选信道估计方法

发布时间：2021-02-13 20:15

　　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。 

【文章来源】：计算机测量与控制. 2020,28(10)

【文章页数】：7 页

【部分图文】：

导频结构

OFDM系统模型

其中：ω1和ω2为网络的权重参数，b为偏置参数，权重参数和偏置参数统称为神经网络的模型参数。σ是激活函数，用来拟合输出分布的非线性。图4 神经元计算方法

【参考文献】：
期刊论文
[1]高速移动环境下基于深度学习的信道估计方法[J]. 廖勇,花远肖,姚海梅,杨馨怡.  电子学报. 2019(08)
[2]基于深度学习的故障预测技术研究[J]. 吴立金,夏冉,詹红燕,韩新宇.  计算机测量与控制. 2018(02)

硕士论文
[1]基于机器学习的故障识别方法与系统研制[D]. 李曼.北京交通大学 2015



本文编号：3032521