基于深度学习的信道估计(DL-CE)基础知识_dl信道估计-程序员宅基地

技术标签: 信道估计  深度学习  

参考文献:《基于机器学习的信道估计算法优化研究》(电子科技大学,李红,硕士学位论文)
文献下载地址:
链接:https://pan.baidu.com/s/1mys6ADy50uDRHNMzcxT__Q
提取码:bhd2

基于深度学习的信道估计:Deep Learning - Channel Estimation(DL-CE)

DL-CE一般都包括两个部分:离线训练和在线估计

DL-CE基本结构

在这里插入图片描述

目前把深度学习应用到无线通信系统中所存在的问题

(1)没有大量可靠的真实数据集,目前常用的训练数据大多都是使用仿真得到的,即实际的信道传输函数比较难获得
(2)当前深度学习的网络层数都较大(模型较大),还不能有效地运用到移动设备上

方案一、深度学习网络用在LS算法得到导频处信道特性(或者说信道频域响应CFR)之后

基本思路是:根据初步的导频数据或者粗略的信道传输矩阵,通过深度学习网络,拟合重建出高精度的信道传输矩阵。利用多种信道条件下的信道传输矩阵数据建立训练数据集,进行网络训练。在网络的不断训练和迭代的过程中,输入的初始的数据会逐步拟合和逼近真实的标签值,最终实现较高精度的CSI插值、回馈或重建

神经网络的输入: 导频处的CSI或者经过传统算法粗略估计出的信道CSI(或者叫信道传输矩阵)
神经网络的输出: 高精度的信道CSI

这种方案的深度学习网络结构如下图:
在这里插入图片描述
上图就是把深度学习网络用在了经过LS算法得到导频处的**信道特性CSI(或者说信道频域响应CFR)**之后,那么网络的输入就是一个OFDM符号内各个导频处的CFR,然后经过多个隐藏层之后,输出层输出的就是一个OFDM符号内所有载波处的CFR。
模型训练:首先使用仿真得到训练数据(训练数据包括导频处的CSI和一个OFDM符号的CSI),然后进行离线训练,离线训练时使用导频处的CSI作为输入,使用一个OFDM符号的CSI作为标签数据。
但是需要注意的是,信道估计处理的数据大多都为复数,但是现有的深度学习的库函数并不支持复数域的操作,所以说现在的一般做法就是在输入到网络之前需要对数据进行预处理,把复数的实部和虚部提取出来,然后当成两种实数输入到神经网络中,这种做法的缺点就是没有挖掘复数的相位信息,带来了一定的信息丢失。

该方案的一个栗子:

参考文献:《基于机器学习的信道估计算法优化研究》(电子科技大学,李红,硕士学位论文)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
该种方案神经网络的输出是信道的频域响应,注意与方案二的不同点。

方案二、实现端到端的恢复原始信号,即训练一个神经网络来拟合传输过程,从而在接收机端到端的恢复出原始的发送信号。

端到端的意思就是输出的就是最终结果。
基于端到端(文献中把这种称为全连接的神经网络)的信道估计器通过对接收信号和原信号之间的关系的学习,不估计出信道的频域响应,而是直接输出发送的调制信号。
系统结构图如下图:
在这里插入图片描述
由上图可知该方案神经网络的输出就是原始的发送信号,而方案一中神经网络的输出只是信道的频域响应。
这种方法完全把信道当成了一个黑匣子,我们不会直接输出信道的传输函数(或者CSI),而是直接输出预测的原始的发送信号,即神经网络学习了发送信号与接收信号之间的映射关系。

基本思路是,首先在MATLAB中生成一些仿真数据,包括原始发送信号和最终信道接收到的信号,把这两部分信号输入到深度学习网络中,让网络学习到一种OFDM的发送和接收符号之间的映射关系,也就是频域响应H。训练完成的神经网络最终便学习到了两者的映射关系,即信道传输系数。
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

这种方案存在的两个问题:
(1)首先信道是随时间变化的,即信道具有时变性,这意味着如果我们简单地训练一个神经网络,然后将其用于连续数据传输,是无法适用的。例如,实际场景中的多普勒频移或非线性噪声都将导致神经网络在训练过程中学到的映射关系与实际的信道环境不一致。一个折中的解决方案就是假设估计得到的信道在接收到下一个导频序列为止都是保持不变的(这不就是块状导频么),若采用此方法,由于数据块与块之间的传输间隔通常是很短的,那么神经网络模型的收敛速度和泛化能力便是很关键的指标。
(2)导频数目多的话会降低频谱效率,导频数目少的话会造成样本不足。
综上所述,问题的挑战主要在于我们如何依靠较少的监督样本、快速迭代来完成信道估计。
为了解决上述问题,有论文提出了基于元学习的深度学习算法RoemNet(Robust channel Estimation with Meta neural Network)。元学习解决的是学习如何学习的问题,他可以解决极少样本情况下的模型训练问题。
元学习是一种模型无关的学习算法(MAML),MAML需要在各种任务上进行训练。该算法需要学习训练一种可以很快适应新任务的方法

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/qq_36554582/article/details/109123561

智能推荐

攻防世界_难度8_happy_puzzle_攻防世界困难模式攻略图文-程序员宅基地

文章浏览阅读645次。这个肯定是末尾的IDAT了,因为IDAT必须要满了才会开始一下个IDAT,这个明显就是末尾的IDAT了。,对应下面的create_head()代码。,对应下面的create_tail()代码。不要考虑爆破,我已经试了一下,太多情况了。题目来源:UNCTF。_攻防世界困难模式攻略图文

达梦数据库的导出(备份)、导入_达梦数据库导入导出-程序员宅基地

文章浏览阅读2.9k次,点赞3次,收藏10次。偶尔会用到,记录、分享。1. 数据库导出1.1 切换到dmdba用户su - dmdba1.2 进入达梦数据库安装路径的bin目录,执行导库操作  导出语句:./dexp cwy_init/[email protected]:5236 file=cwy_init.dmp log=cwy_init_exp.log 注释:   cwy_init/init_123..._达梦数据库导入导出

js引入kindeditor富文本编辑器的使用_kindeditor.js-程序员宅基地

文章浏览阅读1.9k次。1. 在官网上下载KindEditor文件,可以删掉不需要要到的jsp,asp,asp.net和php文件夹。接着把文件夹放到项目文件目录下。2. 修改html文件,在页面引入js文件:<script type="text/javascript" src="./kindeditor/kindeditor-all.js"></script><script type="text/javascript" src="./kindeditor/lang/zh-CN.js"_kindeditor.js

STM32学习过程记录11——基于STM32G431CBU6硬件SPI+DMA的高效WS2812B控制方法-程序员宅基地

文章浏览阅读2.3k次,点赞6次,收藏14次。SPI的详情简介不必赘述。假设我们通过SPI发送0xAA,我们的数据线就会变为10101010,通过修改不同的内容,即可修改SPI中0和1的持续时间。比如0xF0即为前半周期为高电平,后半周期为低电平的状态。在SPI的通信模式中,CPHA配置会影响该实验,下图展示了不同采样位置的SPI时序图[1]。CPOL = 0,CPHA = 1:CLK空闲状态 = 低电平,数据在下降沿采样,并在上升沿移出CPOL = 0,CPHA = 0:CLK空闲状态 = 低电平,数据在上升沿采样,并在下降沿移出。_stm32g431cbu6

计算机网络-数据链路层_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输-程序员宅基地

文章浏览阅读1.2k次,点赞2次,收藏8次。数据链路层习题自测问题1.数据链路(即逻辑链路)与链路(即物理链路)有何区别?“电路接通了”与”数据链路接通了”的区别何在?2.数据链路层中的链路控制包括哪些功能?试讨论数据链路层做成可靠的链路层有哪些优点和缺点。3.网络适配器的作用是什么?网络适配器工作在哪一层?4.数据链路层的三个基本问题(帧定界、透明传输和差错检测)为什么都必须加以解决?5.如果在数据链路层不进行帧定界,会发生什么问题?6.PPP协议的主要特点是什么?为什么PPP不使用帧的编号?PPP适用于什么情况?为什么PPP协议不_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输

软件测试工程师移民加拿大_无证移民,未受过软件工程师的教育(第1部分)-程序员宅基地

文章浏览阅读587次。软件测试工程师移民加拿大 无证移民,未受过软件工程师的教育(第1部分) (Undocumented Immigrant With No Education to Software Engineer(Part 1))Before I start, I want you to please bear with me on the way I write, I have very little gen...

随便推点

Thinkpad X250 secure boot failed 启动失败问题解决_安装完系统提示secureboot failure-程序员宅基地

文章浏览阅读304次。Thinkpad X250笔记本电脑,装的是FreeBSD,进入BIOS修改虚拟化配置(其后可能是误设置了安全开机),保存退出后系统无法启动,显示:secure boot failed ,把自己惊出一身冷汗,因为这台笔记本刚好还没开始做备份.....根据错误提示,到bios里面去找相关配置,在Security里面找到了Secure Boot选项,发现果然被设置为Enabled,将其修改为Disabled ,再开机,终于正常启动了。_安装完系统提示secureboot failure

C++如何做字符串分割(5种方法)_c++ 字符串分割-程序员宅基地

文章浏览阅读10w+次,点赞93次,收藏352次。1、用strtok函数进行字符串分割原型: char *strtok(char *str, const char *delim);功能:分解字符串为一组字符串。参数说明:str为要分解的字符串,delim为分隔符字符串。返回值:从str开头开始的一个个被分割的串。当没有被分割的串时则返回NULL。其它:strtok函数线程不安全,可以使用strtok_r替代。示例://借助strtok实现split#include <string.h>#include <stdio.h&_c++ 字符串分割

2013第四届蓝桥杯 C/C++本科A组 真题答案解析_2013年第四届c a组蓝桥杯省赛真题解答-程序员宅基地

文章浏览阅读2.3k次。1 .高斯日记 大数学家高斯有个好习惯:无论如何都要记日记。他的日记有个与众不同的地方,他从不注明年月日,而是用一个整数代替,比如:4210后来人们知道,那个整数就是日期,它表示那一天是高斯出生后的第几天。这或许也是个好习惯,它时时刻刻提醒着主人:日子又过去一天,还有多少时光可以用于浪费呢?高斯出生于:1777年4月30日。在高斯发现的一个重要定理的日记_2013年第四届c a组蓝桥杯省赛真题解答

基于供需算法优化的核极限学习机(KELM)分类算法-程序员宅基地

文章浏览阅读851次,点赞17次,收藏22次。摘要:本文利用供需算法对核极限学习机(KELM)进行优化,并用于分类。

metasploitable2渗透测试_metasploitable2怎么进入-程序员宅基地

文章浏览阅读1.1k次。一、系统弱密码登录1、在kali上执行命令行telnet 192.168.26.1292、Login和password都输入msfadmin3、登录成功,进入系统4、测试如下:二、MySQL弱密码登录:1、在kali上执行mysql –h 192.168.26.129 –u root2、登录成功,进入MySQL系统3、测试效果:三、PostgreSQL弱密码登录1、在Kali上执行psql -h 192.168.26.129 –U post..._metasploitable2怎么进入

Python学习之路:从入门到精通的指南_python人工智能开发从入门到精通pdf-程序员宅基地

文章浏览阅读257次。本文将为初学者提供Python学习的详细指南,从Python的历史、基础语法和数据类型到面向对象编程、模块和库的使用。通过本文,您将能够掌握Python编程的核心概念,为今后的编程学习和实践打下坚实基础。_python人工智能开发从入门到精通pdf

推荐文章

热门文章

相关标签