残差神经网络辅助的快时变多径信道估计方法

作     者：韩雪晴 熊俊 刘潇然 孔凌劲 赵海涛 HAN Xueqing;XIONG Jun;LIU Xiaoran;KONG Lingjin;ZHAO Haitao

作者机构：国防科技大学电子科学学院湖南长沙410005 

出 版 物：《信号处理》 (Journal of Signal Processing)

年 卷 期：2025年第41卷第1期

页      面：139-149页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 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] 

基　　金：国家自然科学基金(62371462) 

主　　题：正交频分复用 信道估计 基扩展模型 残差网络 快时变多径信道 

摘      要：在快时变多径信道环境中,正交频分复用(Orthogonal Frequency-Division Multiplexing, OFDM)系统的信道估计一直是一个颇具挑战性的问题。传统的过采样复指数基扩展模型(Oversampling Complex Exponential Basis expansionmodels,OCE-BEM)虽然能够在一定程度上减小多普勒频移带来的子载波间干扰(Inter-Carrier Interference, ICI),但其抗噪声能力较弱,并且存在固有的模型误差,这在很大程度上限制了其在复杂通信场景中的应用。为了解决上述问题,本文提出了一种残差神经网络辅助的信道估计方法。该方法将数据拟合问题转换为图像去噪问题,将信道冲激响应的估计值视为原始图像,真实值视为去噪后的图像,通过构建两者之间的数据映射关系来减小估计值与真实值之间的差异。本文所提信道估计方法用一个残差神经网络去除OCE-BEM最小二乘估计结果中引入的噪声误差,充分发挥神经网络的数据拟合作用,通过构建信道估计值与真实值的映射关系来减小BEM的固有建模误差。同时,所提信道估计方法将输入输出数据的虚部和实部进行了结合,最大限度地保留了信道的幅度和相位信息。在网络结构的设计上,本文选用的残差结构能够增强网络特征提取能力,同时防止训练过程中梯度消失和梯度爆炸现象的出现,进而提高网络的稳定性和收敛速度。仿真结果表明,在不同的信噪比和多普勒条件下,与传统的BEM估计方法相比,本文所提信道估计方法表现出了更优异的估计性能。