城轨车-地场景下基于CGAN-LSTM网络的OTFS-ISAC系统信道估计

TN92; 为解决商用B5G/6G城轨车-地场景下通信感知一体化(ISAC)信号传输信道估计问题,提出了一种基于深度学习的信道估计方法.建立基于正交时频空(OTFS)调制的ISAC信号传输系统模型,引入OTFS导频辅助,设计条件生成对抗网络和长短期记忆网络结合的CGAN-LSTM,将混沌博弈优化算法与经典Adam优化器结合,对网络参数进行优化,利用优化网络完成信道估计.仿真结果表明,所提方法在归一化均方误差和误码率方面,优于传统的信道估计方法,为ISAC信号检测和恢复提供必要数据基础....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 46; no. 2; pp. 59 - 71
Main Authors 杨骞, 苏宏升, 陶旺林, 刘大为
Format Journal Article
LanguageChinese
Published 兰州交通大学自动化与电气工程学院,甘肃 兰州 730070 2025
兰州工业学院电气工程学院,甘肃 兰州 730300%兰州交通大学自动化与电气工程学院,甘肃 兰州 730070%兰州交通大学自动化与电气工程学院,甘肃 兰州 730070
中国移动通信集团甘肃有限公司,甘肃 兰州 730070%兰州工业学院电气工程学院,甘肃 兰州 730300
Subjects
长短期记忆
LSTM
OTFS
正交时频空
CGO
通信感知一体化
混沌博弈优化
条件生成对抗网络
ISAC
CGAN
Online AccessGet full text

Cover

More Information
Summary:TN92; 为解决商用B5G/6G城轨车-地场景下通信感知一体化(ISAC)信号传输信道估计问题,提出了一种基于深度学习的信道估计方法.建立基于正交时频空(OTFS)调制的ISAC信号传输系统模型,引入OTFS导频辅助,设计条件生成对抗网络和长短期记忆网络结合的CGAN-LSTM,将混沌博弈优化算法与经典Adam优化器结合,对网络参数进行优化,利用优化网络完成信道估计.仿真结果表明,所提方法在归一化均方误差和误码率方面,优于传统的信道估计方法,为ISAC信号检测和恢复提供必要数据基础.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2025032