联合改进最小均方误差与深度学习的V2X信道估计方案

作     者：吕超跞 骆忠强 

作者机构：四川轻化工大学自动化与信息工程学院 四川轻化工大学人工智能四川省重点实验室 

出 版 物：《无线电通信技术》 (Radio Communications Technology)

年 卷 期：2024年

学科分类：080904[工学-电磁场与微波技术] 12[管理学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61801319) 四川省科技厅项目(2020JDJQ0061,2021YFG0099) 四川轻化工大学研究生创新基金项目(Y2023285) 

主　　题：车联万物通信 信道估计 IEEE 802.11p 正交频分复用 深度学习 

摘      要：针对IEEE 802.11p标准中导频数量有限，难以准确追踪车联万物（Vehicle-to-Everything，V2X）通信中的时变信道的问题，学者们研究了数据导频辅助（Data Pilot Aided，DPA）信道估计方案。然而，这些经典DPA方案不能在完整的信噪比（Signal to Noise Ratio，SNR）范围内给出令人满意的效果，并且其估计结果的可靠性易受误差传播的影响。为此，本文研究了一种新的信道估计方案。首先，基于使用虚拟子载波的最小均方误差（Minimum Mean Square Error Using Virtual Pilots，MMSE-VP）方案，提出一种带有时间平均操作的改进MMSE（Improved MMSE，IMMSE）方案。IMMSE方案通过利用相邻正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM）符号间信道的相关性来提高MMSE-VP方案在低SNR区域的性能，以达到在整个SNR区域有良好表现的目的。随后，联合深度学习技术，采用全连接神经网络（Fully Connected Neural Network，FCNN）作为IMMSE方案的非线性后处理模块，以减少误差并获得更好的估计性能。在不同实验条件下的仿真结果表明，提出的信道估计方案可以适应调制方式和车辆速度的变化，能有效应对V2X通信中的信道估计问题。