高移动性Jakes信道的学习与估计

TN911.72; 在高移动场景下,信道具有快速时变性和非平稳特性,对信道的准确估计提出了新的挑战.针对高移动性Jakes信道,提出一种基于图像重建和恢复原理的信道学习估计网络.首先,根据Jakes信道矩阵中局部相关特性,构建快速超分辨卷积神经网络提取信道特征,并对信道插值完成信道图像建模.然后,利用去噪神经网络降低信道噪音的影响,进一步提高估计精度.最后,通过时域和频域的仿真测试,所提方案估计性能优于传统算法.在与现有基于深度学习最新方法比较中,所提方案也有性能优势,并且收敛速度更快....

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 43; no. 4; pp. 1119 - 1125
Main Authors 邵凯, 陈连成, 刘胤
Format Journal Article
LanguageChinese
Published 重庆邮电大学通信与信息工程学院,重庆400065 01.04.2021
移动通信技术重庆市重点实验室,重庆400065
移动通信教育部工程研究中心,重庆400065
Subjects
信道估计
图像去噪
高移动信道
超分辨重建
深度学习
Online AccessGet full text

Cover

More Information
Summary:TN911.72; 在高移动场景下,信道具有快速时变性和非平稳特性,对信道的准确估计提出了新的挑战.针对高移动性Jakes信道,提出一种基于图像重建和恢复原理的信道学习估计网络.首先,根据Jakes信道矩阵中局部相关特性,构建快速超分辨卷积神经网络提取信道特征,并对信道插值完成信道图像建模.然后,利用去噪神经网络降低信道噪音的影响,进一步提高估计精度.最后,通过时域和频域的仿真测试,所提方案估计性能优于传统算法.在与现有基于深度学习最新方法比较中,所提方案也有性能优势,并且收敛速度更快.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2021.04.30