公开(公告)号：CN119945848A

公开(公告)日：2025-05-06

申请号：CN202510080611.X

申请日：2025-01-17

Applicant: 南京邮电大学

Inventor： 张昀 ,  张玉瑶 ,  蔡良隆 ,  孙洋 ,  卢宏宇

IPC: H04L25/02 ,  H04L67/12

Abstract: 本发明属于车辆通信中的信道估计领域，提出了一种基于卷积神经网络的车辆通信信道估计算法，旨在解决传统信道估计方法在车载环境下多径效应、噪声干扰及高计算复杂度等问题。该方法结合了深度超分辨率卷积神经网络VDSR和盲去噪卷积神经网络RIDNet，并在网络中引入SENet、ECANet和CBAM三种通道注意力机制，通过增强特征表达能力，提升了模型在复杂环境中的适应性和准确性。具体流程为：先采用径向基函数(RBF)插值进行初步信道估计，再通过改进的深度残差卷积神经网络进行进一步处理，最后通过超分辨率和去噪操作优化信道估计结果。该方法有效提高了在低移动率和高移动率场景下的信道估计精度，具有广泛的应用前景，尤其适用于高速车联网环境中的信道估计。

公开(公告)号：CN119945849A

公开(公告)日：2025-05-06

申请号：CN202510080660.3

申请日：2025-01-17

Applicant: 南京邮电大学

Inventor： 于舒娟 ,  高贵 ,  蔡良隆 ,  孙洋 ,  卢宏宇

IPC: H04L25/02 ,  H04L27/26

Abstract: 本发明属于无线通信中的信道估计领域，提出了一种基于改进的像素注意力网络(PAN)的信道估计算法，旨在解决传统信道估计方法在5G系统信号中接收子载波间串扰和子符号间干扰等问题。该方法结合SC‑PA块以及U‑PA块，并将PAN的特征提取模块卷积层后加入批量归一化(BN)和线性整流函数(ReLU)，通过增强特征表达能力，提升了信道估计的精度。具体流程为：先针对OFDM符号的块状符号结构，在时频网格中插入二维分布的离散导频符号。然后利用导频符号位置处信道的初步估计值构成低分辨率信道时频增益图像，通过改进的PAN网络进一步处理。该方法有效提升了信道估计的精度，特别是在5G系统中，能够更好地应对子载波间串扰和子符号间干扰问题。