[发明专利]基于深度神经网络的信道估计方法、设备和可读存储介质

权利要求书

1.一种基于深度神经网络的信道估计方法，其特征在于，包括以下步骤：

S1：根据通信信道中发送的导频序列和接收的量化后的导频信号，通过Bussgang分解方法得到第一训练标签，并通过深度神经网络训练第一训练标签至第一训练标签与基于导频的信道估计系数的均方误差稳定，得到基于导频的信道估计系数；

S2：通过基于导频的信道估计系数和接收的量化数据估计发送数据，得到估计的发送数据并作为发送数据；

S3：根据发送数据和接收的量化数据，通过Bussgang分解方法得到第二训练标签，并通过深度神经网络训练第二训练标签至第二训练标签与基于数据的信道估计系数的均方误差稳定，得到基于数据的信道估计系数；

S4：将基于导频的信道估计系数和基于数据的信道估计系数求平均得到信道估计系数。

2.根据权利要求1所述的基于深度神经网络的信道估计方法，其特征在于，所述S1的具体方法为：

将通信信道中一个相干时隙内发送的导频序列和接收的量化后的导频信号均进行不重叠分段，得到若干段对应的发送的导频序列和接收的量化后的导频信号，根据若干段对应的发送的导频序列和接收的量化后的导频信号，通过Bussgang分解方法得到若干个第一训练标签，通过深度神经网络训练若干个第一训练标签至若干个第一训练标签与基于导频的信道估计系数的均方误差稳定，得到若干个初始基于导频的信道估计系数，将若干个初始基于导频的信道估计系数求平均得到基于导频的信道估计系数。

3.根据权利要求1所述的基于深度神经网络的信道估计方法，其特征在于，所述S1的具体方法为：

将通信信道中一个相干时隙内发送的导频序列和接收的量化后的导频信号均进行滑动窗分段，得到若干段对应的发送的导频序列和接收的量化后的导频信号，根据若干段对应的发送的导频序列和接收的量化后的导频信号，通过Bussgang分解方法得到若干个第一训练标签，通过深度神经网络训练若干个第一训练标签至若干个第一训练标签与基于导频的信道估计系数的均方误差稳定，得到若干个初始基于导频的信道估计系数，将若干个初始基于导频的信道估计系数求平均得到基于导频的信道估计系数。

4.根据权利要求1、2或3所述的基于深度神经网络的信道估计方法，其特征在于，所述第一训练标签与基于导频的信道估计系数的均方误差稳定表示的含义为：第一训练标签与基于导频的信道估计系数的均方误差达到0.01，或者该均方误差在深度神经网络连续迭代5次时不再下降，或者深度神经网络总的迭代次数到达2000次。

5.根据权利要求1所述的基于深度神经网络的信道估计方法，其特征在于，所述S2的具体方法为：

通过基于导频的信道估计系数对接收的量化数据进行迫零检测，得到估计的发送数据，并将估计的发送数据作为发送数据。

6.根据权利要求1所述的基于深度神经网络的信道估计方法，其特征在于，所述S3的具体方法为：

通过将发送数据和接收的量化数据均进行不重叠分段，得到若干段对应的发送数据和接收的量化数据，根据若干段对应的发送数据和接收的量化数据，通过Bussgang分解方法得到若干个第二训练标签，通过深度神经网络训练若干个第二训练标签至第二训练标签与基于数据的信道估计系数的均方误差稳定，得到若干个初始基于数据的信道估计系数，将若干个初始基于数据的信道估计系数求平均得到基于数据的信道估计系数。

7.根据权利要求1所述的基于深度神经网络的信道估计方法，其特征在于，所述S3的具体方法为：

通过将发送数据和接收的量化数据均进行滑动窗分段，得到若干段对应的发送数据和接收的量化数据，根据若干段对应的发送数据和接收的量化数据，通过Bussgang分解方法得到若干个第二训练标签，通过深度神经网络训练若干个第二训练标签至第二训练标签与基于数据的信道估计系数的均方误差稳定，得到若干个初始基于数据的信道估计系数，将若干个初始基于数据的信道估计系数求平均得到基于数据的信道估计系数。