公开(公告)号：CN115037578A

公开(公告)日：2022-09-09

申请号：CN202210485320.5

申请日：2022-05-06

Applicant: 南京邮电大学

Inventor： 杨丽花 ,  呼博 ,  任露露 ,  邵永琪 ,  聂倩

IPC: H04L25/02 ,  H04L27/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于元学习的OFDM系统中时变信道估计方法、装置、及存储介质，其包括：采集天线上接收到的信号的实时数据；将所采集的信号的实时数据载入预先构建且利用元学习训练好的神经网络模型中，获取时变信道估计结果；神经网络模型训练的过程包括以下步骤：在预先选定数量的具有不同多普勒频移的信道环境中，分别获取频偏补偿后的频域信号，并确定每个频域信号对应的目标信道估计结果；在支撑集上训练神经网络模型并更新基础学习器的网络参数，在查询集上测试神经网络模型并更新元学习器网络参数；对网络参数进行迭代计算，最终更新得到神经网络模型的初始化参数矩阵。本发明能够快速地适应新的信道环境，计算的复杂度较低、估计精度高。

公开(公告)号：CN116566768A

公开(公告)日：2023-08-08

申请号：CN202310533178.1

申请日：2023-05-11

Applicant: 南京邮电大学

Inventor： 杨丽花 ,  邵永琪 ,  常澳 ,  任露露 ,  齐丽娜

IPC: H04L25/02

Abstract: 本发明公开了一种多普勒频偏与时变信道联合估计方法。针对RIS(Reconfigurable Intelligent Surface)辅助的移动上行OFDM系统中多普勒频率偏移(DFO)会对获取信道信息带来很大干扰的问题，本发明将DFO与时变信道进行联合估计，充分考虑了DFO对信道估计的影响。在DFO估计中，本发明利用卷积神经网络(Convolutional Neural Network，CNN)来获取高精度的DFO估计，以减少残余频偏对信道估计的影响。为了提高本发明的实用性，非理想DFO被设置为网络的训练目标。基于DFO补偿后的时域信号，本发明采用阈值降噪方法来获取高精度的级联信道估计，以减小直连信道估计误差与噪声的影响。仿真表明，本发明具有较高的估计精确度，适用于RIS辅助的移动通信系统中时变信道信息的高精度获取。

公开(公告)号：CN115037578B

公开(公告)日：2023-07-28

申请号：CN202210485320.5

申请日：2022-05-06

Applicant: 南京邮电大学

Inventor： 杨丽花 ,  呼博 ,  任露露 ,  邵永琪 ,  聂倩

IPC: H04L25/02 ,  H04L27/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于元学习的OFDM系统中时变信道估计方法、装置、及存储介质，其包括：采集天线上接收到的信号的实时数据；将所采集的信号的实时数据载入预先构建且利用元学习训练好的神经网络模型中，获取时变信道估计结果；神经网络模型训练的过程包括以下步骤：在预先选定数量的具有不同多普勒频移的信道环境中，分别获取频偏补偿后的频域信号，并确定每个频域信号对应的目标信道估计结果；在支撑集上训练神经网络模型并更新基础学习器的网络参数，在查询集上测试神经网络模型并更新元学习器网络参数；对网络参数进行迭代计算，最终更新得到神经网络模型的初始化参数矩阵。本发明能够快速地适应新的信道环境，计算的复杂度较低、估计精度高。