文档名：深度学习辅助的5G OFDM系统的信道估计
摘要：传统的信道估计算法难以满足5G系统中的高速率低时延的需求.针对该问题,将通信信道的时频响应视为二维图像,提出了一种基于图像恢复技术的信道估计方法.首先,设定参数产生基于5G新空口(NewRadio,NR)标准的物理下行链路共享信道(PhysicalDownlinkSharedChannel,PDSCH)的信道数据信息数据集,将所产生的信道矩阵看作二维图像;然后,构建基于卷积神经网络的图像恢复网络,并融入残差连接来提高网络的性能;最后,利用训练好的网络模型进行信道估计.仿真结果表明,与最小二乘算法(LeastSquare,LS)、实际信道估计(PracticalChannelEstimation,PCE)和基于图像超分辨率ChannelNet网络相比,所提出的信道估计算法性能提升明显.
Abstract：Thetraditionalchannelestimationalgorithmisdifficulttomeettherequirementofhighspeedandlowdelayin5Gsystem.Forthisproblem,theauthorsproposeachannelestimationmethodbasedonimagerestorationtechnologybyconsideringthetime-frequencyresponseofcommunicationchannelasatwo-dimensionalimage.First,parametersaresettogenerateachanneldatainformationdatasetofphysicaldownlinksharedchannel(PDSCH)basedon5Gnewradio(NR)standard,andthegeneratedchannelmatrixistreatedasatwo-dimensionalimage.Then,animagerestorationnetworkbasedonconvolutionalneuralnetworkisconstructed,andresidualconnectionisincorporatedtoimprovetheperformanceofthenetwork.Finally,thetrainednetworkmodelisusedforchannelestimation.ThesimulationresultsshowthattheperformanceoftheproposedchannelestimationalgorithmissignificantlyimprovedcomparedwiththoseoftheLeastSquare(LS),PracticalChannelEstimation(PCE)andImage-basedSuper-resolutionChannelNetnetwork.
作者：王义元 常俊 卢中奎 余福慧 魏家齐Author：WANGYiyuan CHANGJun LUZhongkui YUFuhui WEIJiaqi
作者单位：云南大学信息学院,昆明650500
刊名：电讯技术
Journal：TelecommunicationEngineering
年，卷(期)：2024, 64(1)
分类号：TN911
关键词：5G 正交频分复用(OFDM) 信道估计 深度学习 卷积神经网络
Keywords：5G channelestimation orthogonalfrequencydivisionmultiplexing(OFDM) deeplearning convolutionalneuralnetwork
机标分类号：TN929.531TP391.41TP181
在线出版日期：2024年1月30日
基金项目：国家自然科学基金深度学习辅助的5GOFDM系统的信道估计[
期刊论文] 电讯技术--2024, 64(1)王义元 常俊 卢中奎 余福慧 魏家齐传统的信道估计算法难以满足5G系统中的高速率低时延的需求.针对该问题,将通信信道的时频响应视为二维图像,提出了一种基于图像恢复技术的信道估计方法.首先,设定参数产生基于5G新空口(NewRadio,NR)标准的物理下行链...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
深度学习辅助的5G OFDM系统的信道估计 Deep Learning Assisted Channel Estimation for 5G OFDM Systems
深度学习辅助的5G OFDM系统的信道估计.pdf
- 文件大小:
- 1.19 MB
- 下载次数:
- 60
-
高速下载
|
