基于解调参考信号的深度学习信道估计模型
信号处理
2021-09-23 v1
摘要
本文提出一种用于基于解调参考信号（DMRS）的信道估计任务的深度学习模型。具体而言，提出一种新颖的去噪、线性插值与时域细化（DLR）流程，以缓解信道信息插值过程中的噪声传播问题，并恢复无线信道随时间的非线性变化。同时，提出小范数样本代价敏感（SSC）学习方法，以均衡不同无线环境下信道估计的质量并提升信道估计可靠性。所提DLR-SSC模型的有效性在WAIC数据集上得到验证。与知名的ChannelNet信道估计模型相比，我们的DLR-SSC模型在0dB、10dB和20dB SNR下分别将归一化均方误差（NMSE）降低了27.2dB、22.4dB和16.8dB。该模型在第二届无线通信人工智能大赛（WAIC）中获得第二名。代码即将开源。
引用
@article{arxiv.2109.10667,
title = {Deep Learning Model for Demodulation Reference Signal based Channel Estimation},
author = {Yu Tian and Chengguang Li and Sen Yang},
journal= {arXiv preprint arXiv:2109.10667},
year = {2021}
}