基于迁移学习的下行信道估计方法

摘要：

移动业务传输存在典型的非对称性,即下行数据传输需求远大于上行传输.如果基站能够利用信道信息实现调制、编码、功率自适应调整,对提升通信频谱效率、能量效率、可靠性具有重要的意义.文章提出基于迁移学习的下行信道估计算法,首先将在公开ImageNet数据集上预训练好的ResNet18网络模型参数作为模型的初始数值,其次通过模型进行微调,最后进行仿真分析.仿真结果表明,网络模型经过模型微调后,信道估计精度更高,收敛速度更快,鲁棒性更强.

关键词：信道估计、频分双工系统、深度学习

所属期刊栏目：35

分类号：TN929.5

在线出版日期：2023-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：24-27