[发明专利]一种无人机通信中下行信道估计方法

说明书

本发明公开了一种无人机通信中下行信道估计方法，包括以下步骤：插入导频信号，根据无人机通信中收发两端的导频信号，获得无人机通信导频位置的信道频率响应；根据所述导频信号和所述导频位置的信道频率响应，使长短时记忆网络学习无人机信道时间相关特性；根据所述导频信号和所述导频位置的信道频率响应，利用完成学习的长短时记忆网络估计完整的信道状态信息。本发明实现了将长短时记忆网络应用至无人机信道估计领域，能够在信道估计中获得良好的均方误差性能，从而提高无人机信道估计的精度。

技术领域

本发明涉及无线通信技术领域，特别涉及一种无人机通信中下行信道估计方法。

背景技术

无人机因其灵活的机动性能与广阔的移动范围而被广泛应用，并且得到现代通信技术的关注，在新一代移动通信技术中无人机也将成为重要的研究对象，这对新应用场景下的通信质量提出了新的要求。

无线通信的通信质量在很大程度上依赖于信道估计的精度。信道估计是从接收数据中将假定的某个信道模型的模型参数估计出来的过程，要提高信道估计的精度，则需要估计误差最小化的估计算法。为了能在接收端准确的恢复发射端的发送信号，需要采用各种措施来抵抗多径效应对传输信号的影响，提高信道估计的精度。目前，常用的信道估计方法包括LS最小二乘法、最小均方误差MMSE估计算法、线性最小均方误差LMMSE算法、压缩感知信道估计算法、神经网络算法等。

但是，现有技术中的估计算法存在一定的局限性，其在随机高速移动环境中无法发挥良好的性能，在无人机信道中无法获得预期的信道估计精度，从而制约了无人机通信的通信质量。

发明内容

本发明针对现有技术在无人机随机高移动性场景中信道估计精度不足的问题，提供一种无人机通信中下行信道估计方法，利用深度学习中的长短时记忆网络，能够在信道估计中获得良好的均方误差性能。

为解决上述技术问题，本发明的实施例提供如下方案：

一种无人机通信中下行信道估计方法，包括以下步骤：

插入导频信号，根据无人机通信中收发两端的导频信号，获得无人机通信导频位置的信道频率响应；

根据所述导频信号和所述导频位置的信道频率响应，使长短时记忆网络学习无人机信道时间相关特性；

根据所述导频信号和所述导频位置的信道频率响应，利用完成学习的长短时记忆网络估计完整的信道状态信息。

优选地，所述使长短时记忆网络学习无人机信道时间相关特性具体包括：

对先前的信道状态信息进行选择性遗忘；

添加新的信道状态信息到已有的信道状态矩阵中，进行信道状态更新；

将现有信道状态信息与激活函数相乘并输出预测值。

优选地，所述导频位置的信道频率响应为：

其中，Y_p表示接收端的导频信息，X_p表示导频符号信息。

优选地，所述对先前的信道状态信息进行选择性遗忘的函数定义为：

f_t＝σ(W_f·[h_t-1,x_t]+b_f)

其中，x_t为长短时记忆网络隐藏层神经元的输入向量，h_t为隐藏层神经元的输出向量，W为隐藏层神经元权重矩阵，b_f为隐藏层偏置，σ表示Sigmoid激活函数。

优选地，所述隐藏层信道状态更新的计算公式为：