OFDM 系统中基于深度学习的信道估计的导频图样设计
信号处理
2020-03-23 v1 信息论
math.IT
摘要
在本文中，我们提出一种用于正交频分复用（OFDM）系统中基于深度学习（DL）的信道估计（ChannelNet）的下行导频设计方案。具体而言，在所提方案中，使用名为 Concrete Autoencoder（ConcreteAE）的特征选择方法来寻找用于导频传输的最具信息量的位置。该自编码器由作为编码器的 concrete 层与作为解码器的多层感知机（MLP）组成。在训练期间，concrete 层选择最具信息量的导频位置，解码器重构信道的近似估计。最终，ChannelNet 在 ConcreteAE 的输出上训练，旨在重构理想信道响应。估计误差结果表明，该方法优于先前提出的采用均匀分布导频图样的 ChannelNet，且其性能可与最小均方误差（MMSE）相媲美。
引用
@article{arxiv.2003.08980,
title = {Pilot Pattern Design for Deep Learning-Based Channel Estimation in OFDM Systems},
author = {Mehran Soltani and Vahid Pourahmadi and Hamid Sheikhzadeh},
journal= {arXiv preprint arXiv:2003.08980},
year = {2020}
}
备注
11 pages, 8 Figures