深度OFDM信道估计：捕获频率递归性
信号处理
2024-01-12 v1 机器学习
网络与互联网体系结构
摘要
本文提出了一种基于深度学习的正交频分复用(OFDM)系统信道估计方案。我们提出的方法名为单时隙频率递归网络(SisRafNet)，基于对递归模型的新研究，以利用信道在频率上的序列行为。利用无线信道在频率上具有高度相关性的特点，我们在单个OFDM时隙内采用递归神经网络技术，从而克服了基于递归的方法通常面临的延迟和内存限制。与现有的基于深度学习的信道估计技术相比，所提出的SisRafNet提供了优越的估计性能，并且该性能已在多种符合第三代合作伙伴计划(3GPP)的信道场景和多个信噪比下得到验证。
引用
@article{arxiv.2401.05436,
title = {Deep OFDM Channel Estimation: Capturing Frequency Recurrence},
author = {Abu Shafin Mohammad Mahdee Jameel and Akshay Malhotra and Aly El Gamal and Shahab Hamidi-Rad},
journal= {arXiv preprint arXiv:2401.05436},
year = {2024}
}
备注
Accepted for publication at IEEE Communications Letters