典型文献
基于调制卷积神经网络的空地数据链信道估计
文献摘要：
针对复杂环境下空地数据链正交频分复用(OFDM)系统信道估计精度不足的问题,提出了一种基于调制卷积神经网络(MCNN)和双向长短时记忆网络(BiLSTM)结合的信道估计算法.利用最小二乘算法(LS)提取初始信道状态信息(CSI);利用MCNN网络提取初始CSI的深度特征,并对网络模型进行压缩;利用BiLSTM网络对最终CSI进行预测,实现信道估计.利用构建的空地信道模型生成信道系数数据集,实现神经网络模型的训练与测试.仿真结果表明:与传统算法和现有深度学习方法相比,所提出的信道估计算法具有更小的估计误差,高信噪比条件下的系统误码率(BER)性能提升接近一个数量级;由于引入了调制滤波器技术,随着神经网络层数增加,网络模型参数量大幅减少.
文献关键词：
正交频分复用(OFDM);深度学习;信道估计;空地信道模型;多径效应
中图分类号：
作者姓名：
刘春辉;王美琳;董赞亮;王沛
作者机构：
北京航空航天大学 无人系统研究院, 北京100083;北京航空航天大学 电子信息工程学院,北京100083
文献出处：
引用格式：
[1]刘春辉;王美琳;董赞亮;王沛-.基于调制卷积神经网络的空地数据链信道估计)[J].北京航空航天大学学报,2022(03):533-543
A类：
空地信道模型
B类：
数据链,信道估计,复杂环境,正交频分复用,OFDM,估计精度,MCNN,双向长短时记忆网络,BiLSTM,估计算法,最小二乘算法,信道状态信息,CSI,深度特征,模型生成,数数,传统算法,有深度,深度学习方法,估计误差,高信噪比,系统误码率,BER,性能提升,数量级,滤波器,网络层,层数,模型参数量,多径效应
AB值：
0.276436
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。
