本发明提出一种高速移动环境下基于深度学习的信道估计方法。首先,设计了包含卷积神经网络和循环神经网络的信道估计网络,利用卷积神经网络提取导频特征矢量和循环神经网络估计信道状态信息(Channel State Information,CSI)。其次,通过标准高速信道仿真模型收集到大量的高速信道数据,用收集到的信道数据对信道估计网络进行离线训练,使得信道估计网络能够通过样本学习到高速信道的变化特点。再者,通过训练好后的信道估计网络进行在线信道估计,估计时导频处的CSI通过最小二乘估计得到,数据处通过信道估计网络估计得到,进而进行信道均衡等操作。本发明通过设计基于深度学习的信道估计网络进行信道估计,能够有效地利用训练样本中的信道信息,使得信道估计网络能够通过学习学习到高速信道的变化特点,以此来跟踪高速信道的变化,实现降低信道估计器复杂度的同时提升信道估计的精度。
展开▼