一种基于深度学习的时变MIMO-OFDM系统分块平面信道估计方法技术方案

本发明专利技术属于无线通信技术领域，涉及一种基于深度学习的时变MIMO‑OFDM系统分块平面信道估计方法。为了在保证低计算复杂度的前提下，提升时变MIMO‑OFDM系统的信道估计性能，本发明专利技术提出了一种基于深度学习的分块平面信道估计器：首先，本发明专利技术提出了一种刻画子载波和OFDM符号间相关性的分块平面信道模型，具体来说，临近的多个子载波和多个OFDM符号被分为几个子块，并且用一个只有三个变量(均值，时域斜率，频域斜率)的仿射函数近似每个子块内的信道，从而极大的减少了信道估计的待估变量。基于此模型，使用LMMSE准则获取初始信道估计值。然后，本发明专利技术设计了一种利用时频空3个域相关性的残差结构空洞卷积网络来进一步提升每个用户信道的估计性能。在CDL信道模型下，对所提方法进行了性能测试，证明了该方法的优越性。

【技术实现步骤摘要】

本专利技术属于无线通信，涉及一种基于深度学习的时变mimo-ofdm系统分块平面信道估计方法。

技术介绍

1、mimo-ofdm技术被广泛应用在无线通信标准中，信道估计是其物理层中的一个基本问题。传统的信道估计算法，计算复杂度低且可解释性强。但是，传统的信道估计算法依赖于精确的数学建模，在复杂的信道条件下，如快速时变信道中，存在局限性。近年来出现的基于深度学习的信道估计器，使用神经网络学习信道的统计特性，其不需要精确的数学建模，可以更好地表征复杂条件下的信道。然而，基于深度学习的信道估计器计算复杂度一般较高。对于一个物理可行的mimo-ofdm系统而言，复杂度是信道估计器一个尤为重要的指标。因此，针对物理可行的时变mimo-ofdm系统，研究设计一种高准确度低复杂度的信道估计器尤为重要。

2、高准确度低复杂度的信道估计器通常包括两步。第一步，将接收到的信号分成多个子块，分别估计每个子块对应的信道。这种分块方案减少了矩阵/向量乘法的数量以降低复杂度，同时分离了每个子块中不同用户的信道。然后，在第二步中，通过利用信道的相关性，对所有子块上每个用户的本文档来自技高网...

【技术保护点】

1.一种基于深度学习的时变MIMO-OFDM系统分块平面信道估计方法，其特征在于，包括以下步骤：

【技术特征摘要】

1.一种基于深度学习的时变mimo-ofdm系统...

【专利技术属性】
技术研发人员：袁晓军，刘晨晨，姜文俊，
申请(专利权)人：电子科技大学长三角研究院湖州，
类型：发明
国别省市：