文献类型：期刊文章

作　　者：廖勇[1] 花远肖[1] 姚海梅[1]

LIAO Yong;HUA Yuanxiao;YAO Haimei(Center of Communication and TT & C, Chongqing University, Chongqing 400044, P.R. China)

机构地区：[1]重庆大学通信与测控中心

出　　处：《重庆邮电大学学报（自然科学版）》

基　　金：国家自然科学基金(61501066);重庆市基础与前沿研究计划项目(cstc2015jcyjA40003);重庆市研究生科研创新项目(CYS18061);中央高校基本科研业务费(106112017CDJXY500001)~~

年　　份：2019

卷　　号：31

期　　号：3

起止页码：348-353

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对多径正交频分复用(orthogonal frequency division multiplexing,OFDM)信道环境下信道频域选择性衰落导致下行链路信道估计性能受限的问题,提出一种基于深度学习的信道估计(deep learning-based channel estimation,DL-CE)方法。采用自回归过程对信道建模,利用深度学习设计信道估计网络追踪信道响应及其频域相关系数。通过迭代训练,基于深度学习的信道估计网络能够学习到自回归系数的最优估计,同时利用先验信道信息估计信道频域响应和频域相关系数。与传统方法相比,所提信道估计方法性能提升明显。

关 键 词：OFDM 深度学习  信道估计 自回归模型

分 类 号：TN929.5]