5G多输入多输出(MIMO)通信中基于深度神经网络(DNN)k步预测器的决策导向信道估计  

出　　处：《无线电通信技术》2020年第1期76-76,共1页Radio Communications Technology

摘　　要：考虑使用深度神经网络(DNN)开发一种决策导向(DD)信道估计(CE)算法,用于高度动态车辆环境中的MIMO空时块编码系统。Mehrtash Mehrabi等人2019年11月在《IEEE Journal on Selected Areas in Communications》发表文章,提出利用DNN进行空时块码(STBC)k步信道预测,并证明了基于深度学习(DL)的DD-CE算法不再需要估计快速时变准静态信道中随包不断变化的多普勒调频率。在这种车载信道中,估计多普勒频率的挑战性很大,需要大量的导频和前导码,从而导致功率和频谱效率较低。作者训练了两个深度神经网络,它们学习多普勒调频率范围很大的情况下MIMO衰落信道的实部和虚部。训练证明,通过以上深度神经网络,仅需多普勒调频率范围的先验知识,而无需知道其确切值,就可实现DD-CE。

关 键 词：信道估计 深度神经网络 信道预测 多普勒调频率 空时块编码 频谱效率 前导码 MIMO 

分 类 号：TN9[电子电信—信息与通信工程]