[发明专利]基于神经网络的变换域自适应滤波信道估计方法

权利要求书

1.一种基于神经网络的变换域自适应滤波信道估计方法，包括：

1)搭建一个包括1个输入层、两个隐藏层、1个输出层的神经网络模型，且相邻两层之间采用全连接方式连接；

2)设置一个随机的多径信道，并记录该信道的最大时延T；

3)发送信号经过多径信道后，在接收端先进行最小二乘估计LS，得到频域估计向量再对进行离散傅里叶逆变换IDFT，得到多径信道的时域估计向量其中n＝0,1,2,...,255；

4)对时域估计向量和多径信道的最大时延T做数据预处理，构成一个训练样本；

5)重复2)到4)共N_data次，获得包含N_data组训练样本的训练数据集；

6)将训练数据集代入搭建成的神经网络进行离线训练，得到训练好的神经网络；

7)在接收端再进行最小二乘估计和离散傅里叶逆变换，将得到的时域估计向量进行预处理后输入到6)中训练好的神经网络中，得到输出的滤波窗口大小

8)通过滤波窗口大小滤除掉时域估计向量的噪声，得到滤除噪声后的时域估计向量再对进行离散傅里叶变换DFT得到频域信道估计向量

2.根据权利要求1所述的方法，其中1)中构建的神经网络模型，其各层参数如下：

输入层包含256个神经元；

第一个隐藏层，包含1000个神经元，使用的激活函数为ReLU函数；

第二个隐藏层，包含250个神经元，使用的激活函数为ReLU函数；

输出层包含64个神经元，使用的激活函数为softmax函数。

3.根据权利要求1所述的方法，其中所述2)的实现，是先将多径信道模型的径数随机设为2到10径，每条径的衰减范围为随机的0～20dB；再随机产生0～0.62微秒的多径时延，最大多径时延用符号数表示为T，T的范围为[1,64]；然后，选取一个信噪比，表示该多径信道加入的高斯白噪声大小。

4.根据权利要求1所述的方法，其中3)中得到的频域估计向量表示如下：

其中x_pilot(n)为已知的发送导频，y_pilot(n)为接收信号的导频部分。

5.根据权利要求1所述的方法，其中3)中得到的时域估计向量表示如下：

其中N＝256。

6.根据权利要求1所述的方法，其中4)中对时域估计向量和多径信道的最大时延T做数据预处理，实现如下：

4a)对时域估计向量预处理，即取的幅值

4b)将信道的最大多径时延T处理成one-hot类型的数据，即把T变成一个64维向量T(m)，公式为：

4c)以幅值为数据，向量T(p)为标签，构成一个训练样本。