基于深度学习的正交频分复用系统信道估计 |
| |
作者姓名: | 张昀 周婧 黄经纬 于舒娟 黄丽亚 |
| |
作者单位: | 南京邮电大学电子与光学工程学院,柔性电子(未来技术)学院 |
| |
基金项目: | 国家自然科学基金资助项目(No.61977039)~~; |
| |
摘 要: | 针对5G系统信号接收子载波间串扰和子符号间干扰问题,提出了一种高效的基于深度学习的信道估计模型。在导频处进行初步估计获得估计信道,并将其视为含噪声的低分辨率图像样本输入信道估计模型,通过学习低分辨率图像与高分辨率图像之间的映射关系,最终去除输入信道的噪声,还原高分辨率信道图像,获得整个信道状态信息。仿真结果表明,该模型不仅延续了传统注意力机制抑制冗余信息的优势,降低了计算开销,还能获得良好的精度和鲁棒性,对各种信道都有较好的估计效果。
|
关 键 词: | 深度学习 信道估计 图像恢复 注意力机制 |
|
|