OFDM系统快时变信道参数估计方法及装置制造方法及图纸

本发明专利技术实施例提供一种OFDM系统快时变信道参数估计方法及装置，该方法包括：获取接收信号的频域采样数据与导频信息；根据频域采样数据与导频信息，估计信道的时域冲击响应对应的基系数，并根据基系数计算时域信道的冲击响应数据；将冲击响应数据输入预设的神经网络模型，根据神经网络模型的输出结果，确定接收信号的信道参数；其中，预设的神经网络模型根据带有信道参数标签的信号样本对应的冲击响应数据训练后得到。该方法通过导频信息来估计信道的时域冲击响应对应的基系数，无需先验知识，不涉及大量的矩阵运算，具有较低的复杂度，与目前的LS、LMMSE估计器相比，有效提升了估计性能，同时降低了计算复杂度，从而具有较强的实用性。实用性。实用性。

【技术实现步骤摘要】
OFDM系统快时变信道参数估计方法及装置


[0001]本专利技术涉及通信
，尤其涉及一种OFDM系统快时变信道参数估计方法及装置。

技术介绍

[0002]OFDM是一种高效的多载波调制技术，由于其抗多径衰落和消除符号间干扰能力强，频谱利用率高，并且接收机实现简单，目前已被多种通信标准广泛使用。信道估计是OFDM系统进行相干检测的前提，其估计的准确度对系统的整体性能具有重要意义。而在高速移动环境下，信道的时变特性更加明显，由于多径效应和多普勒频移使得无线信道变为快时变的频率选择性衰落信道，破坏了OFDM系统子载波间的正交性，造成子载波间干扰，直接影响信道估计的精确性。
[0003]信道估计技术分为三类：基于判决反馈的信道估计、盲或半盲信道估计和基于导频辅助的信道估计。其中基于导频的估计方法由于容易实现，并且能够跟踪无线信道的变化，是OFDM系统中最常用的方法。在快时变信道里，信道在一个OFDM符号周期内是变化的，由于一个符号内需要估计的未知数的个数远大于导频个数，导致信道估计比较困难。当前很多研究设计通过简化信道模型来减少信道所需要的估计量，比较流行的简化模型为基扩展模型。确定信道简化模型后，主要的估计准则包括最小二乘法(简称LS)估计和线性最小均方误差(简称LMMSE)估计等。其中LS估计器由于实现较为简单，不需要信道统计信息及其他先验信息，得到广泛应用，但其性能略差。LMMSE估计性能优于LS，但其需要多个先验知识，且涉及大量的矩阵运算，计算复杂度高。

技术实现思路

[0004]为了解决上述问题，本专利技术实施例提供一种OFDM系统快时变信道参数估计方法及装置。
[0005]第一方面，本专利技术实施例提供一种OFDM系统快时变信道参数估计方法，包括：获取接收信号的频域采样数据与导频信息；根据频域采样数据与导频信息，估计信道的时域冲击响应对应的基系数，并根据所述基系数计算时域信道的冲击响应数据；将冲击响应数据输入预设的神经网络模型，根据所述神经网络模型的输出结果，确定接收信号的信道参数；其中，所述预设的神经网络模型，根据带有信道参数标签的信号样本对应的冲击响应数据训练后得到。
[0006]进一步地，所述导频信息为信号发送端在OFDM符号中等间隔的设置导频簇得到。
[0007]进一步地，所述获取接收信号的频域采样数据与导频信息，包括：对接收信号进行频域变换，得到频域采样数据与导频信息。
[0008]进一步地，所述根据频域采样数据与导频信息，估计信道的时域冲击响应对应的基系数，包括：基于快时变信道的复指数基扩展(简称CE-BEM)模型，根据频域采样数据与导频信息，估计多径信道时域冲击响应所对应基系数。
[0009]进一步地，所述将冲击响应数据输入预设的神经网络模型，包括：将时域信道的冲击响应数据的实虚部分开拼接成实向量作为神经网络的输入，经过全连接隐层后，经输出层输出。
[0010]进一步地，所述将冲击响应数据输入预设的神经网络模型之前，还包括：在多种信道参数下，获取多个样本信号；将样本信号划分为训练集和测试集，对训练集进行训练得到初始模型，采用测试集验证模型是否达到预设精度；若是，则该模型即为最终网络模型，否则采用梯度下降法对初始模型进行调参，对训练数据进行重新训练，直到达到预设精度。
[0011]进一步地，所述采用梯度下降法对初始模型进行调参，包括：每次训练时，根据预设的损失函数进行反向传播，并根据学习率和梯度信息更新下一次迭代的参数值。
[0012]第二方面，本专利技术实施例提供一种OFDM系统快时变信道参数估计装置，包括：解析模块，用于获取接收信号的频域采样数据与导频信息；处理模块，用于根据频域采样数据与导频信息，估计信道的时域冲击响应对应的基系数，并根据所述基系数计算时域信道的冲击响应数据；输出模块，用于将冲击响应数据输入预设的神经网络模型，根据所述神经网络模型的输出结果，确定接收信号的信道参数；其中，所述预设的神经网络模型，根据带有信道参数标签的信号样本对应的冲击响应数据训练后得到。
[0013]第三方面，本专利技术实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现本专利技术第一方面OFDM系统快时变信道参数估计方法的步骤。
[0014]第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本专利技术第一方面OFDM系统快时变信道参数估计方法的步骤。
[0015]本专利技术实施例提供的OFDM系统快时变信道参数估计方法及装置，通过导频信息来估计信道的时域冲击响应对应的基系数，无需先验知识，不涉及大量的矩阵运算，具有较低的复杂度。通过预设的神经网络模型，根据时域信道的冲击响应来获得信号的信道参数，与目前的LS、LMMSE估计器相比，有效提升了估计性能，同时进一步降低了计算复杂度，从而具有较强的实用性。
附图说明
[0016]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]图1为本专利技术实施例提供的OFDM系统快时变信道参数估计方法流程图；
[0018]图2为本专利技术实施例提供的导频结构示意图；
[0019]图3为本专利技术实施例提供的OFDM系统通信流程图；
[0020]图4为本专利技术仿真实验与传统方法均方误差性能随信噪比变化曲线图；
[0021]图5为本专利技术实施例提供的OFDM系统快时变信道参数估计装置结构图；
[0022]图6为本专利技术实施例提供的一种电子设备的实体结构示意图。
具体实施方式
[0023]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0024]研究一种复杂度低且具有良好性能的信道估计方法具有重要的学术和应用价值。近年来，神经网络迅速发展，其能够基于对大量的数据的学习，发掘内在的结构与特性，在遇到新的观测值时给出准确的预测，并且其与无线通信的结合应用已在多种问题中取得显著成效。因此将神经网络应用于OFDM系统快时变信道的估计能够取得很好的性能，经过离线的基于大量数据的训练，神经网络能够发掘快时变信道的内在结构特性，在线估计时，即使信道的统计特性发生变化，神经网络依然能准确估计信道。
[0025]图1为本专利技术实施例提供的OFDM系统快时变信道参数估计方法流程图，如图1所示，本专利技术实施例提供一种OFDM系统快时变信道参数估计方法，包括：
[0026]101、获取接收信号本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种OFDM系统快时变信道参数估计方法，其特征在于，包括：获取接收信号的频域采样数据与导频信息；根据所述频域采样数据与导频信息，估计信道的时域冲击响应对应的基系数，并根据所述基系数计算时域信道的冲击响应数据；将所述冲击响应数据输入预设的神经网络模型，根据所述神经网络模型的输出结果，确定所述接收信号的信道参数；其中，所述预设的神经网络模型，根据带有信道参数标签的信号样本对应的冲击响应数据训练后得到。2.根据权利要求1所述的OFDM系统快时变信道参数估计方法，其特征在于，所述导频信息为信号发送端在OFDM符号中等间隔的设置导频簇得到。3.根据权利要求1所述的OFDM系统快时变信道参数估计方法，其特征在于，所述获取接收信号的频域采样数据与导频信息，包括：对接收信号进行频域变换，得到频域采样数据与导频信息。4.根据权利要求1所述的OFDM系统快时变信道参数估计方法，其特征在于，所述根据所述频域采样数据与导频信息，估计信道的时域冲击响应对应的基系数，包括：基于快时变信道的复指数基扩展模型，根据频域采样数据与导频信息，估计多径信道时域冲击响应所对应基系数。5.根据权利要求1所述的OFDM系统快时变信道参数估计方法，其特征在于，所述将所述冲击响应数据输入预设的神经网络模型，包括：将时域信道的冲击响应数据的实虚部分开拼接成实向量作为神经网络的输入，经过全连接隐层后，经输出层输出。6.根据权利要求1所述的OFDM系统快时变信道参数估计方法，其特征在于，所述将所述冲击响应数据输入预设的神经网络模...

【专利技术属性】
技术研发人员：高飞飞，杨玉雯，钱婧，汪浩，
申请(专利权)人：深圳市海思半导体有限公司，
类型：发明
国别省市：