水下声学 OFDM 通信信道估计：一种图像超分辨率方法
信息论
2021-03-10 v1 信号处理
math.IT
摘要
本文利用深度学习的强大能力，致力于为水下声学（UWA）正交频分复用（OFDM）通信中的信道估计设计一个性能良好且节省导频的神经网络。通过将信道估计问题视为矩阵补全问题，我们有趣地发现其在数学上等价于图像处理领域出现的图像超分辨率问题。因此，我们尝试利用极深超分辨率神经网络（VDSR）——解决图像超分辨率问题最典型的神经网络之一——来处理我们的问题。然而，这两个问题仍存在显著差异，因此我们优雅地修改 VDSR 的基本框架来设计我们的信道估计神经网络，称为信道超分辨率神经网络（CSRNet）。此外，不同于为每个考虑的信噪比（SNR）训练单独网络，我们借助迁移学习获得了在所有 SNR 下均表现良好的统一网络，从而大幅提升了 CSRNet 的实用性。仿真结果在均方误差（MSE）和误码率（BER）方面验证了 CSRNet 相对于现有基于最小二乘（LS）和深度神经网络（DNN）算法的优越性。具体而言，即便少用 50% 导频，CSRNet 相比 LS 算法仍能将 BER 降低 44.74%。
引用
@article{arxiv.2103.04345,
title = {Channel Estimation for Underwater Acoustic OFDM Communications: An Image Super-Resolution Approach},
author = {Donghong Ouyang and Yuzhou Li and Zhizhan Wang},
journal= {arXiv preprint arXiv:2103.04345},
year = {2021}
}