时变信道下基于LSTM的信道估计方法

• Published in: 东北大学学报（自然科学版） Vol. 44; no. 11; pp. 1521 - 1528
• Main Authors: 季策, 王鑫, 耿蓉, 梁敏骏
• Format: Journal Article
• Language: Chinese
• Published: 东北大学 计算机科学与工程学院,辽宁 沈阳 110169 05.12.2023; 东北大学 医学影像智能计算教育部重点实验室,辽宁 沈阳 110169%东北大学 计算机科学与工程学院,辽宁 沈阳 110169%东北大学 信息科学与工程学院,辽宁 沈阳 110819
• Subjects: deep learning; 长短期记忆; channel estimation; 信道估计; long short-term memory ( LSTM); 深度学习; 时变信道; multilayer perceptron ( MLP); time-varying channel; 多层感知器
• ISSN: 1005-3026
• DOI: 10.12068/j.issn.1005-3026.2023.11.001

TN911.7; 针对时变信道环境下传统信道估计方法性能受限,其他基于深度学习的信道估计方法估计精度低或复杂度高的问题,提出一种基于长短期记忆结构的信道估计网络,由双向长短期记忆(bidirectional long short-term memory,BiLSTM)网络和多层感知器(multilayer perceptron,MLP)网络组成,即BiLSTM-MLP.首先,利用BiLSTM网络来学习信道的时变特性;然后,利用MLP网络进行去噪并重构信道估计.仿真结果表明,所提出的信道估计方法与传统方法相比,性能提升明显,与同类型的基于深度学习的估计方法相比,复杂度较低且性能更优.此外,所提方法还具有对不同导频密度的鲁棒性.