使用深度学习的 C-V2X 信道估计
信号处理
2020-03-06 v1
摘要
信道估计是当前 OFDM 系统的核心组成部分之一，旨在通过利用导频符号计算 CSI 并在整个时频网格上插值来消除符号间干扰。它也是物理层研究最多的领域之一，LS 与 MMSE 为两种最常用方法。在本工作中，我们研究基于 CNN 的深度神经网络架构在 3GPP Rel.14 C-V2X 技术所用车载环境中的信道估计性能。为此，我们将所提 DL 架构的性能与 C-V2X 中当前采用的传统 LS 信道估计进行比较。初步研究表明，所提 DL 架构优于传统 C-V2X 信道估计方法，尤其在高速移动时。
引用
@article{arxiv.2003.02617,
title = {Channel Estimation in C-V2X using Deep Learning},
author = {Raja Sattiraju and Andreas Weinand and Hans D. Schotten},
journal= {arXiv preprint arXiv:2003.02617},
year = {2020}
}