[发明专利]基于超分辨率图像恢复技术的Wi-Fi标准系统信道估计方法

权利要求书

1.一种基于超分辨率图像恢复技术的Wi-Fi标准系统信道估计方法，其特征在于，利用已知的导频信号对其相应位置处的CSI进行估计得到信道估计值，采用SR图像恢复网络训练学习信道在导频位置处与数据位置处状态信息的关系，将作为低分辨率图像的信道估计值输入训练后的SR图像恢复网络并得到优化精度下的完整CSI。

2.根据权利要求1所述的方法，其特征是，所述的相应位置处的CSI进行估计是指：对于某个资源块中导频索引位置处的信号，利用最小二乘法和最小均方误差得到相应位置的信道估计值。

3.根据权利要求1所述的方法，其特征是，所述的SR图像恢复网络是指：超分辨率卷积神经网络SR-CNN或增强型深度超分辨率网络EDSR。

4.根据权利要求1或3所述的方法，其特征是，所述的SR图像恢复网络的训练数据集，通过统计信道模型获得作为低分辨率图像的以及作为线下训练集，线上测试则适用于实际视线传输LOS与非视线传输NLOS信道环境。

5.根据权利要求1或3所述的方法，其特征是，所述的SR图像恢复网络的损失函数为：其中：理论完美信道信息H^j作为网络训练的真值。

6.根据权利要求2所述的方法，其特征是，所述的资源块包含N_s个时隙和N_sc个子载波，为第j个RB的CSI；为了控制信道估计的资源利用率，每个资源块中只有有限个位置分配给导频信号，导频位置处的CSI集合为：其中：Ω_p为导频位置集合，i_p和t_p是一个RB中的时隙和子载波索引。

7.根据权利要求6所述的方法，其特征是，所述的估计，对于第j个RB中导频索引位置(i_p,t_p)∈Ω_p处的信号，利用最小二乘法和最小均方误差得相应位置的信道估计值为：

其中：为信道相关矩阵，E[·]表示数学期望。

8.根据权利要求3所述的方法，其特征是，对于超分辨率卷积神经网络，其模拟插值算法的估计结果与实际数据间的非线性关系，该超分辨率卷积神经网络的目标函数G^*(·)近似为即：其中：G_LI/GI(·)为现有技术中的线性(LI)或高斯插值(GI)的目标函数。

9.根据权利要求3所述的方法，其特征是，对于增强型深度超分辨率网络，其利用大量的残差网络块逐步生成最终估计结果，该增强型深度超分辨率网络的目标函数G^*(·)为最小化由低分辨率图像直接经过EDSR得到的估计值与真实值之间的差异，即其中：

10.根据权利要求4所述的方法，其特征是，所述的统计信道模型为COST 2100，其中：发送天线和接收天线为N_r＝N_t＝3，复数矩阵的尺寸为N_sc＝N_s＝64。