APP下载

基于深度学习的OFDM信道估计

2019-06-21花远肖姚海梅

关键词:符号方法

廖 勇,花远肖,姚海梅

(重庆大学 通信与测控中心,重庆 400044)

0 引 言

正交频分复用(orthogonal frequency division multiplexing, OFDM)技术作为多载波的调制方式,有着充分利用频谱资源、有效抵抗频率选择性干扰和收发信号结构简单等优势[1],目前已经广泛应用于众多的高速数据传输领域。为了提高数据速率,通常采用高阶调制,这对信道估计提出了更高的要求。目前无线通信中信道估计通常使用的方法是导频辅助信道估计方法[2-3]。最小二乘(least squares, LS)算法是最常用的信道估计方法[4],由于该方法计算简单、复杂度低,不需要信道的任何先验信道信息,因此,在实际中被广泛使用。该方法导频处信道频域响应(channel frequency response, CFR)通过LS方法估计得到,数据符号处CFR通过插值方法获取。然而,由于LS估计方法不能消除导频处噪声的影响,并且插值类信道估计方法不能有效消除由于多径引起的频域选择性衰落信道的影响,导致数据处CFR获取不准确,因此,LS算法的估计性能较差。为了提高LS算法的性能,文献[5]提出基于离散傅里叶逆变换(inverse discrete Fourier transform, IDFT)的变换域信道估计方法,该方法首先对LS算法得到的信道频域响应做IDFT变换到时域,然后根据信道冲激响应(channel impulse response, CIR)(只在几个时延采样点有值,其余位置都为零。但受噪声的影响,实际上其余位置上不为零)特征,通过将CIR中除了时延点以外其余位置置零达到去噪目的,然后再对去噪后的CIR补零做离散傅里叶变换(discrete Fourier transform, DFT)得到估计的频域信道估计,由于DFT/IDFT有快速算法,所以,计算量小,容易实现。但该方法要求信道时延为整数倍信道采样周期,当信道时延不为信道采样周期整数倍时,由于时延频谱泄露导致该方法不能仅仅通过几个时延点恢复出信道频域响应。……

登录APP查看全文

猜你喜欢

符号方法
学符号,比多少
“+”“-”符号的由来
学习方法
变符号
用对方法才能瘦
四大方法 教你不再“坐以待病”!
赚钱方法
捕鱼
倍图的全符号点控制数
图的有效符号边控制数