一种基于深度卷积网络的OFDM信道估计方法技术

本发明专利技术公开了一种基于深度卷积网络的OFDM信道估计方法，属于OFDM信道估计技术领域，包括如下步骤：步骤1，通信接收端对接到的数据Y进行数据处理；步骤2，建立基于深度卷积网络的OFDM信道估计模型，具体为首先建立基于DenseBlock的信道估计网络，即DenseBlock

【技术实现步骤摘要】
一种基于深度卷积网络的OFDM信道估计方法


[0001]本专利技术涉及OFDM信道估计
，尤其是涉及一种基于深度卷积网络的OFDM信道估计方法。

技术介绍

[0002]第五代移动通信系统（the 5th Generation communication system, 5G）具有的高速率、低延时和大连接的特点，这给无人驾驶技术的发展提供了助力：车载移动通信作为车载应用的根基，是保障无人驾驶技术安全、实时、准确的基础。因此，面向车载移动通信的各种应用成为5G通信技术的重要应用场景，各大科技公司都竞相开展了相关研究。面向无人车辆高速移动场景，提供更加可靠、稳定、快速的移动通信服务是5G的目标之一，也是学术界和工业界广泛关注的研究热点。
[0003]正交频分复用（Orthogonal Frequency Division Multiplexing, OFDM）技术作为现代移动通信的基础技术之一，通过将高速串行数据流转换为多路并行低速数据流，并将并行数据流调制在相互正交的子载波上，有效地抵抗了频率选择性衰落，提高通信系统的可靠性，并且由于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度卷积网络的OFDM信道估计方法，其特征在于：包括以下步骤：步骤1，通信接收端对接到的数据Y进行数据处理：在OFDM系统通信过程中，发送端发送每帧数据的频域值为X（m
×
n）,X（m
×
n）包括数据序列 和导频序列，X（m
×
n）经过无线信道到达通信接收端，此无线通道的信道全时频域CSI由符号H（m
×
n）表示，通信接收端接到的数据Y包括数据序列数据和接收导频序列，通信接收端从接收到的数据Y中提取接收导频，组成导频矩阵，利用最小二乘估计算法计算得出导频处的信道状态信息，；步骤2，建立基于深度卷积网络的OFDM信道估计模型，具体方法如下：1）建立基于DenseBlock的信道估计网络，即DenseBlock
‑
α网络：DenseBlock
‑
α网络包括依次连接的输入层、隐藏层和输出层，其中隐藏层包括依次连接的DenseBlock结构、第二反卷积层和第二卷积层，DenseBlock结构包括6个依次设置的第一卷积层，在所有第一卷积层之间添加相连接的路径，连接方式为稠密连接，在每一次卷积之前，将之前所有的特征图按通道维度进行拼接，每一层都有从所有前面的层获得的额外输入，并且也会将自己的特征映射传递给所有后续层；2）对DenseBlock
‑
α网络络进行横向扩展得到MNet
‑
L6网络：增加DenseBlock
‑
α网络中DenseBlock结构的层数，DenseBlock结构的层数设置为N，N层DenseBlock结构中第一列的第一卷积层为下采样列，剩余列为上采样列，下采样列中相邻的两个第一卷积层的输入端之间通过最大值池化层连接，上采样列中的第一卷积层的输出端通过第一反卷积层与位于其上一层的第一卷积层的输入端...

【专利技术属性】
技术研发人员：刘春辉，黄丽珍，徐俊伟，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：