高速移动环境下基于深度学习的信道估计方法

作者：廖勇^*; 花远肖; 姚海梅; 杨馨怡

来源：电子学报, 2019, 47(08): 1701-1707.

• OFDM
• 信道估计
• 高速信道
• 深度学习
• 快时变信道
• 非平稳信道

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.

• 单位
  重庆大学