声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1267/TN
国际刊号：1001-893X
发布日期:
作者：黄凤翔,段红光,刘何鑫
单位：(重庆邮电大学 通信与信息工程学院，重庆 400065)
关键词：信道估计；深度学习；超分辨率重建；残差连接；
基金：重庆市自然科学基金项目（cstc2019jcyj-msxmX0079）
将信道估计视为低分辨率图像重建为高分辨率图像，借鉴图像超分辨重建思想，提出了一种基于快速超分辨重建及残差连接思想的信道估计方法——ResFSRNet。采用最小二乘法(Least Square,LS)计算单个正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)子帧中所有导频处的信道响应，将其视为小尺寸低分辨率“图像”作为神经网络输入，利用多个卷积层对其进行特征提取，且融入残差连接提升性能，最后通过转置卷积重构出完整OFDM子帧信道响应。在不同抽头延迟线信道环境中进行仿真，通过信道估计误差和链路误码率结果比较，表明ResFSRNet性能优于LS、实用信道估计及基于超分辨率重建的ChannelNet，且较ChannelNet在减少约99%计算量的前提下提高了约2 dB信道估计性能。
来源：2024年第5期
《电讯技术》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。