深度学习辅助的5G OFDM系统的信道估计

作者：王义元; 常俊; 卢中奎; 余福慧; 魏家齐

来源：电讯技术, 2022, 1-8.

• 5G新无线电
• 信道估计
• 物理下行链路共享信道
• 卷积神经网络

针对5G系统中的高速率低时延的需求，传统的信道估计算法难以满足要求的问题，将通信信道的时频响应视为二维图像，提出了一种基于图像恢复技术的信道估计方法。首先，设定参数产生基于5G 新空口（New Radio， NR）标准的物理下行链路共享信道（Physical Downlink Shared Channel， PDSCH）的信道数据信息数据集，将所产生的信道矩阵看作二维图像；然后，构建基于卷积神经网络的图像恢复网络，并融入残差连接来提高网络的性能；最后，利用训练好的网络模型进行信道估计。仿真结果表明，与最小二乘算法（Least Square， LS）、实际信道估计（Practical Channel Estimation， PCE）和基于图像超分辨率ChannelNet网络相比，所提出的信道估计算法性能提升明显。

• 单位
  云南大学