优化离散导频的FBMC-LSTM信道估计算法
2023-09-06李新增齐欣宇
李新增,金 婕,张 嘉,齐欣宇
(上海工程技术大学 电子电气工程学院,上海 201620)
1 引 言
滤波器组多载波(Filter Bank Multicarrier,FBMC)系统具有有效地分配可用的时间-频率资源、低延迟扩展两个特点,使得FBMC成为未来移动通信系统的可行选择[1-5].FBMC存在正交幅度调制、偏移正交幅度调制等调制方式,本文使用偏移正交幅度调制(Offset Quadrature Amplitude Modulation,OQAM),因为它提供了更高的频谱效率[6-8].
由于FBMC/OQAM系统中的原型滤波器会使接收端信号产生虚部干扰,因此处理FBMC/OQAM系统的虚部干扰问题成了信道估计的重要问题[9,10].针对虚部干扰的问题,文献[11]中提出了通过对导频两侧加入固定的保护间隔来抵消原型滤波器的虚部干扰的解决方法,不足是导频及保护间隔减少了频带利用率.文献[12]通过在导频端预留辅助项使其幅值与干扰系数的乘积等于导频叠加干扰的相反数,但辅助项功率过高,降低了系统稳定性.文献[13]通过LMMSE信道估计的理论表达式简化了FBMC信道估计算法,但原型滤波器的虚部干扰问题没有解决.
另一方面,深度学习(Deep Learning,DL)算法在通信领域的应用也逐渐引起研究人员的广泛关注.
文献[14]应用深度神经网络算法(Deep Neural Network,DNN)对OFDM通信系统进行信道估计与均衡,其中DNN结构简单,但参数复杂,容易产生梯度消失情况,无法对时间序列上的变化进行建模,只适用于固定信道或低时延信道.卷积神经网络[15]CNN(Convolutional Neural Network,CNN)增加了卷积核,适用于数据的深层特征提取,主要应用在图像识别、分类等方面.循环神经网络算法[16](Recurrent Neural Network,RNN)虽然对时序数据做出精确……
