[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有效
| 申请号： | 201910893971.6 | 申请日： | 2019-09-20 |
| 公开（公告）号： | CN110661734B | 公开（公告）日： | 2020-07-28 |
| 发明（设计）人： | 张国梅;朱瑞芳;李国兵;吕刚明 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | H04L25/02 | 分类号： | H04L25/02;H04B7/08 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 贺小停 |
| 地址： | 710049 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于无线通信中信号处理技术领域，公开了一种基于深度神经网络的信道估计方法、设备和可读存储介质，包括通过通信信道中发送的导频序列和接收的量化后的导频信号，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得到基于导频的信道估计系数，通过基于导频的信道估计系数和接收的量化数据得到发送数据，通过发送数据和接收的量化数据，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得到基于数据的信道估计系数；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。通过深度神经网络训练得到基于导频的信道估计系数后，再进行数据的信道估计，得到基于数据的信道估计系数，将二者的平均作为最终的信道估计系数，极大的提高了信道估计精度。 | ||
| 搜索关键词： | 基于 深度 神经网络 信道 估计 方法 设备 可读 存储 介质 | ||
【主权项】：
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：/nS1：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；/nS2：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；/nS3：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；/nS4：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。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安交通大学，未经西安交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910893971.6/，转载请声明来源钻瓜专利网。
