一种用于 OFDM 系统的低复杂度基于学习的在线训练信道估计
信号处理
2021-07-15 v1
摘要
本文中，我们设计了一种用于正交频分复用（OFDM）系统的高效机器学习信道估计方法，其中估计器的训练是在线进行的。所提基于学习的估计器采用了一个简单的学习模块。因此训练过程更快，且所需训练数据显著减少。此外，提出了一种利用最小二乘（LS）估计结果构建训练数据的方法，使得训练数据可在数据传输过程中收集。理论分析与仿真验证了这一新颖构建方法的可行性。基于该构建方法，提出了两种备选的训练数据生成方案。一种方案发送额外的块导频符号以创建训练数据，另一种方案采用判决导向方法且不需要额外导频开销。仿真结果表明所提信道估计方法的鲁棒性。此外，与传统的最小均方误差（MMSE）信道估计相比，所提方法对实际非理想性具有更好的适应性。在不同信道条件下，其性能优于现有的基于机器学习的信道估计技术。
引用
@article{arxiv.2107.06712,
title = {A Low Complexity Learning-based Channel Estimation for OFDM Systems with Online Training},
author = {Kai Mei and Jun Liu and Xiaoying Zhang and Kuo Cao and Nandana Rajatheva and Jibo Wei},
journal= {arXiv preprint arXiv:2107.06712},
year = {2021}
}
备注
12 pages, 12 figures. To appear in IEEE Transactions on Communications