基于LSTM网络的OFDM系统信道估计研究与分析.pdf

第 30 卷第2期 电脑与信息技术 No. [3] 构
势，现广泛应用于无线通信领域 [1]。无线通信中的多 造了 Comnet，将接收机分为信道估计和检测两模块，
径效应会严重干扰信号，为此在接收端应进行必要的 替换了文献 [2] 中的全连接网络。文献 [4] 将基于深度
信道估计以重构发送信号。传统信道估计通常采用导 学习的信道估计方法应用于高速移动的情形下进行
频辅助，其中LS 估计算法无需先验信息，复杂度较低， 分析，导频序列的特征值由 CNN 获取，再由 BiLSTM
而 MMSE 估计算法利用先验信息，可获得较高的估 网络预测。
计精度，但是该算法复杂度较高，难以应用于实际复 相较于循环神经网络（Recurrent Neural Network,
杂的传输环境。 RNN）只能记忆部分序列，LSTM 可解决长序列依赖
近年来，深度学习已经在语音识别、图像识别 问题，并能有效克服梯度消失和梯度爆炸问题，以及
等领域展现出了巨大的优势，也逐渐应用在无线通信 传统 OFDM 信道估计精度受限于导频数、循环前缀
系统。越来越多的研究者将深度学习技术应用于信 长度，本文对基于 LSTM 网络的 OFDM 系统信道估计
道估计中。文献 [2] 使用深度神经网络（Deep Neural 方法进行深入的研究与分析。
收稿日期：2021-07-21
基金项目：辽宁省“兴辽英才计划”项目资助（项目编号：XLYC1907195）；航空科学基金（项目编号：2020Z017054001）；沈阳航空航天大学
博士科研启动项目（项目编号：19YB03）
作者简介：赵越（1994-），女，辽宁本溪人，硕士研究生，主要研究方向：无线通信系统信道参数估计；许鹏（1981-），男，辽宁沈阳人