一种通过降噪处理提高机器学习中无线信道估计精度的方法技术

本发明专利技术提出了一种通过降噪处理提高机器学习中无线信道估计精度的方法，本发明专利技术通过搭建深度神经网络，将经过DFT去噪后的训练集作为神经网络的输入。在训练阶段，将估计值和实际信道响应的均方误差作为损失函数，通过最小化损失函数来获得优化后的模型参数。本发明专利技术针对OFDM系统在低信噪比环境下的信道估计结果误差大，比如以往的深度学习训练过程不考虑最小二乘法对噪声的放大作用，导致模型对噪声的抑制性能差。本发明专利技术的优点是可采用较少的导频子载波资源完成高噪声环境下的信道估计，估计精度明显优于传统的信道估计方法。此发明专利技术适用于在高噪声环境下的无线通信系统，提高通信效率。

【技术实现步骤摘要】

本专利技术属于无线通信，具体涉及一种经过降噪处理，通过深度神经网络实现无线通信进程中信道估计的方法。

技术介绍

1、正交频分复用(ofdm)技术因其卓越的抗多径衰落能力和高频谱利用率，广泛应用于通信领域。这种系统中子载波的数量随通信吞吐量的需求获得显著增加，如何获得准确的频率响应成为突出的问题。本专利技术旨在提高基于ofdm通信系统的通信效率。随着用户终端数量增加，在用户之间噪声增大的情况下，本专利技术提出了有效的应对方案。现有技术在低信噪比条件下鲁棒性不足，因为在深度学习模型的训练过程中忽视了信道数据中噪声对估计结果的影响。

技术实现思路

1、专利技术目的：为了解决上述技术问题，本专利技术提出了一种通过降噪处理提高机器学习中无线信道估计精度的方法，可以抑制训练集中噪声对训练的干扰，保证dnn信道估计模型在高噪声环境中的性能。

2、技术方案：一种将dft去噪技术与深度神经网络结合的信道估计方案，在对dnn模型训练前，对数据集进行预处理，将插值后的信道响应通过傅里叶逆变换到时域，再将最大时延之后的采本文档来自技高网...

【技术保护点】

1.一种通过降噪处理提高机器学习中无线信道估计精度的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种通过降噪处理提高机器学习中无线信道估计精度的方法，其特征在于，接收端接收信号表示为Y＝HX+Z，其中H为信道响应，X为发射信号，H为信道，Z为高斯噪声。

3.根据权利要求1所述一种通过降噪处理提高机器学习中无线信道估计精度的方法，其特征在于，步骤2中，接收端采用最小二乘法估计导频信号的信道。

4.根据权利要求1所述一种通过降噪处理提高机器学习中无线信道估计精度的方法，其特征在于，步骤3中，采用插值法去估计n位置的信道响应。

5.根...

【技术特征摘要】

1.一种通过降噪处理提高机器学习中无线信道估计精度的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种通过降噪处理提高机器学习中无线信道估计精度的方法，其特征在于，接收端接收信号表示为y＝hx+z，其中h为信道响应，x为发射信号，h为信道，z为高斯噪声。

3.根据权利要求1所述一种通过降噪处理提高机器学习中无线信道估计精度的方法，其特征在于，步骤2中，接收端采用最小二乘法估计导频信号的信道。

4.根据权利要求1所述一种通过降噪处理提高机器学习中无线信道估计精度的方法，其特征在...

【专利技术属性】
技术研发人员：张永伟，韩天乐，吕先洋，孙美，付艳伟，
申请(专利权)人：南通大学，
类型：发明
国别省市：