摘要

针对快时变信道的非平稳特性会造成信道估计性能变差的问题,在基扩展模型下提出了一种基于深度学习的信道估计算法,并将其应用于正交频分复用(orthogonal frequecy division multiplexing, OFDM)系统中。首先,根据快时变信道矩阵的局部相关特性,构建时频特征提取网络,利用卷积结构提取快时变信道在时域和频域的相关特征,并嵌入到下一级网络中进行特征的融合。其次,利用门控循环网络捕捉信道在不同符号处的变化相关性,在快时变信道环境下实现更准确的信道估计。仿真结果表明,与其他快时变环境下的信道估计算法相比,算法的估计性能提升明显;同时,网络的轻量化结构使算法的复杂度最低下降20%。