高速移动环境下基于深度学习的信道估计方法

廖勇; 花远肖; 姚海梅; 杨馨怡

doi:10.3969/j.issn.0372-2112.2019.08.013

您当前的位置：

首页 >

文章列表页 >

高速移动环境下基于深度学习的信道估计方法

学术论文 | 更新时间：2025-07-16

- 高速移动环境下基于深度学习的信道估计方法
- Channel Estimation Method Based on Deep Learning in High-Speed Mobile Environments
- 电子学报 2019年47卷第8期页码：1701-1707
- 作者机构：
  
  重庆大学通信与测控中心,重庆,400044
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61501066）;重庆市基础与前沿研究计划项目 (No.cstc2015jcyjA40003）;重庆市研究生科研创新项目 (No.CYS18061）;中央高校基本科研业务费重点基金 (No.106112017CDJXY500001）
- DOI：10.3969/j.issn.0372-2112.2019.08.013
  中图分类号： TN911.72
- 网络出版：2019-08-25，
  
  纸质出版：2019
- 稿件说明：
移动端阅览
廖勇, 花远肖, 姚海梅, 等. 高速移动环境下基于深度学习的信道估计方法[J]. 电子学报, 2019,47(8):1701-1707.

LIAO Yong, HUA Yuan-xiao, YAO Hai-mei, et al. Channel Estimation Method Based on Deep Learning in High-Speed Mobile Environments[J]. Acta Electronica Sinica, 2019, 47(8): 1701-1707.
廖勇, 花远肖, 姚海梅, 等. 高速移动环境下基于深度学习的信道估计方法[J]. 电子学报, 2019,47(8):1701-1707. DOI： 10.3969/j.issn.0372-2112.2019.08.013.

LIAO Yong, HUA Yuan-xiao, YAO Hai-mei, et al. Channel Estimation Method Based on Deep Learning in High-Speed Mobile Environments[J]. Acta Electronica Sinica, 2019, 47(8): 1701-1707. DOI： 10.3969/j.issn.0372-2112.2019.08.013.

摘要

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.

Abstract

Aiming at the problem that the downlink channel estimation performance is limited due to the fast time-varying and non-stationary characteristics in the high-speed mobile environment

this paper proposes a channel estimation network based on deep learning

called ChanEstNet. ChanEstNet uses the convolutional neural network (CNN) to extract channel response feature vectors and recurrent neural network (RNN) for channel estimation.We use the standard high-speed channel data to conduct offline training for the learning network

fully excavate the channel information in the training sample

make it learn the characteristics of fast time-varying and non-stationary channels in high-speed mobile environments

and better track the characteristics of channel changing in high-speed environment. The simulation results show that in the high-speed mobile environment

compared with the traditional methods

the proposed channel estimation method has low computational complexity and significant performance improvement.

关键词

Keywords

references

浏览量

420

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

两次一维维纳滤波信道估计的一种噪声方差优化方法

MIMO-OFDM系统的盲信道估计算法综述

面向C-V2I的基于边缘计算的智能信道估计

基于BEM的非平稳双选信道估计方法