典型文献
基于深度学习的高维信号信道估计算法
文献摘要：
针对大部分基于深度学习(Deep Learning,DL)的信道估计算法估计高维信号时出现的训练开销过大、泛化能力差等问题,提出了一种不需要训练的基于深度学习的高维信号信道估计算法,即UTCENet(Untrained Channel Estimation Network).在UTCENet中,信道信息上的复杂分布转换为模型参数上的简单分布,即通过神经网络参数化来获得隐式先验知识并将其应用于信道估计.虽然该算法不需要任何训练,但保证了估计的性能,其原因在于专门设计的网络模型可以有效利用时频网格中元素的相关性.仿真结果表明,与传统方法以及现有的深度学习方法相比,所提出的算法在归一化均方误差和误码率方面性能提升明显.
文献关键词：
多输入多输出正交频分复用(MIMO-OFDM);信道估计;高维信号;深度学习
中图分类号：
作者姓名：
钱蓉蓉;吕孝明;任文平
作者机构：
云南大学信息学院,昆明 650500
文献出处：
引用格式：
[1]钱蓉蓉;吕孝明;任文平-.基于深度学习的高维信号信道估计算法)[J].电讯技术,2022(11):1554-1559
A类：
UTCENet,Untrained
B类：
高维信号,信道估计,估计算法,Deep,Learning,DL,训练开销,销过,泛化能力,Channel,Estimation,Network,网络参数,参数化,隐式,先验知识,时频,中元,深度学习方法,归一化均方误差,误码率,性能提升,多输入多输出,正交频分复用,MIMO,OFDM
AB值：
0.331219
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
