一种基于卷积神经网络的车辆通信信道估计算法

    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

    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。

    一种频分双工方式下大规模MIMO系统信道状态信息反馈方法及系统

    公开(公告)号:CN117728870A

    公开(公告)日:2024-03-19

    申请号:CN202311572780.2

    申请日:2023-11-23

    Abstract: 本发明公开了一种无线通信技术领域的频分双工方式下大规模MIMO系统信道状态信息反馈方法及系统,旨在解决现有技术中信道状态信息反馈网络在用户设备端的复杂度过高,并且性能也有待提升等问题,其包括在用户端得到下行链路信道状态信息在空间频域上信道矩阵H;通过离散傅里叶变换将空间频域上的信道矩阵变换为角延迟域上的信道矩阵H',并取其前Na行构成信道矩阵Ha,利用编码器对信道矩阵Ha进行特征提取和压缩,然后利用解码器进行解压缩和恢复得到重建信道矩阵#imgabs0#进行零填充以及离散傅里叶逆变换后得到反馈的信道状态信息。本发明在降低用户设备端复杂度的同时提升信道状态信息反馈性能。

Patent Agency Ranking