电讯技术

作者：王义元,常俊,卢中奎,余福慧,魏家齐

单位：(云南大学 信息学院，昆明 650500)

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；

基金：国家自然科学基金资助项目(61562090)

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（ New Radio,NR）标准的物理下行链路共享信道（ Physical Downlink Shared Channel,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（Least Square,LS）、实际信道估计（Practical Channel Estimation,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。

来源：2024年第1期

《电讯技术》期刊编辑部

查看电讯技术杂志2024年第1期