基于长短时记忆残差网络的信道插值估计方法技术

一种基于长短时记忆残差网络的信道插值估计方法，利用多个残差块串联而成的残差网络逼近参考信号和邻近资源元素之间的非线性插值关系以提高信道估计的精度，然后通过长短时记忆循环神经网络学习连续OFDM符号之间的慢变时域相关性，得到信道在导频位置处与数据位置处CSI的复杂的非线性插值关系，从而通过插值得到完整的CSI估计。本发明专利技术能够得到精度远高于传统方法的完整CSI，且信道估计的的延迟预算小于1毫秒。并且在保证精度的前提下同时适用于LOS与NLOS实际场景，具有较高的泛化能力以及应用于实际系统的高可行性。

【技术实现步骤摘要】
基于长短时记忆残差网络的信道插值估计方法
本专利技术涉及的是一种无线通信领域的技术，具体是一种基于长短时记忆残差网络的信道插值估计方法。
技术介绍
增强移动宽带(eMBB)传输已被确定为第五代(5G)通信系统中最重要的场景之一。在时变的无线环境中，为了保证在eMBB场景下的超高吞吐量，通常采用正交频分复用(OFDM)传输和相干检测作为主要的传输方式。高阶调制如64正交振幅调制，被广泛用于提高吞吐量。为了准确地检测高阶调制信号，一种高效而快速的信道估计通常被认为是最重要的步骤。由于在现代无线通信中，只有一小部分资源用于导频传输，因此，仅通过少量的观测(导频)进行信道估计被认为是一个具有挑战性的不适定重构问题。为了在信道相干时间内解决这类复杂问题，标准信道估计过程通常包括一个信道状态恢复阶段和一个低复杂度插值阶段。在加性高斯白噪声(AWGN)假设下，传统的信道状态信息(CSI)恢复方案通常采用最小二乘法(LS)或最小均方误差(MMSE)算法，但这类方法的复杂度较高。也有现有技术通过基于深度学习的神经网络进行信道的估计，但这些技术所采用的神经本文档来自技高网...

【技术保护点】
1.一种基于长短时记忆残差网络的信道插值估计方法，其特征在于，利用多个残差块串联而成的残差网络逼近参考信号和邻近资源元素之间的非线性插值关系以提高信道估计的精度，然后通过长短时记忆循环神经网络学习连续OFDM符号之间的慢变时域相关性，得到信道在导频位置处与数据位置处CSI的非线性插值关系，从而通过差值得到完整的CSI估计；/n所述的多个残差块串联而成的残差网络包括：用于提取信道的时域相关性的循环学习块和局部残差学习块，其中：局部残差学习块包括串联设置的第一卷积模块、16个用于提取特征的残差块组成的残差块组或简化残差块以及第二卷积模块。/n

【技术特征摘要】
1.一种基于长短时记忆残差网络的信道插值估计方法，其特征在于，利用多个残差块串联而成的残差网络逼近参考信号和邻近资源元素之间的非线性插值关系以提高信道估计的精度，然后通过长短时记忆循环神经网络学习连续OFDM符号之间的慢变时域相关性，得到信道在导频位置处与数据位置处CSI的非线性插值关系，从而通过差值得到完整的CSI估计；
所述的多个残差块串联而成的残差网络包括：用于提取信道的时域相关性的循环学习块和局部残差学习块，其中：局部残差学习块包括串联设置的第一卷积模块、16个用于提取特征的残差块组成的残差块组或简化残差块以及第二卷积模块。


2.根据权利要求1所述的基于长短时记忆残差网络的信道插值估计方法，其特征是，所述的参考信号(RSs)和邻近资源元素(REs)之间的非线性插值关系具体是指：随时间传输的信号具有一定的时间连续性，对单位时间间隔和频率间隔，根据邻域之间的时间相关性系数绘制相关系数与间隔数之间的关系，其中：hk(fRE,tRE)为邻近资源元素的信道响应，为接收端信道相关矩阵，Δt＝0.01s。


3.根据权利要求1所述的基于长短时记忆残差网络的信道插值估计方法，其特征是，所述的信道在导频位置处与数据位置处CSI的非线性插值关系具体是指：通过发送数据流中插入导频信号，在接收端提取导频计算得到在导频位置处的CSI，再用插值算法估计其他数据位置处CSI。


4.根据权利要求1所述的基于长短时记忆残差网络的信道插值估计方法，其特征是，所述的逼近...

【专利技术属性】
技术研发人员：刘杨雨，石琦，张舜卿，徐树公，曹姗，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海;31