基于改进SRGAN的OFDM信道估计方法

摘要：

在正交频分复用(OFDM)系统的信道估计过程中,传统信道插值算法是建立在假设导频附近处的估计值存在关联的基础上,当信道特征因无线信道的时变、频变特性而不连续时,估计结果将不理想.针对这一问题,本文引入超分辨率重建模型SRGAN的改进模型——SRWGAN,替代信道估计中的插值处理.在SRWGAN模型中,将导频处的最小二乘(LS)估计值类比于低分辨率图像中的像素点,先通过卷积网络提取信道特征,再通过多个残差网络学习映射关系,然后经上采样层放大,最后通过判别网络WGAN不断判别并提升估计效果.实验结果表明,基于SRWGAN的信道估计效果优于传统的信道估计算法,且与同类型的SRCNN模型相比,同等条件下,当误码率相同时,信噪比(SNR)提升约3 dB,当MSE值相同时,SNR提升约5 dB.

关键词：深度学习;OFDM;信道估计;SRWGAN

分类号：TN929.53

在线出版日期：2021-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：112-118