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

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

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

本文链接：https://blog.csdn.net/qq_36554582/article/details/109123561

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

c# 调用c++ lib静态库_c#调用lib-程序员宅基地

文章浏览阅读2w次，点赞7次，收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案，在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建：添加Visual C++ , Win32 项目这......_c#调用lib

deepin/ubuntu安装苹方字体-程序员宅基地

文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体，挺好看的。注重颜值的网站都会使用，例如知乎：font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang

html表单常见操作汇总_html表单的处理程序有那些-程序员宅基地

文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--method将表单中的数据传送给服务器处理，get方式直接显示在url地址中，数据可以被缓存，且长度有限制；而post方式数据隐藏传输，_html表单的处理程序有那些

PHP设置谷歌验证器（Google Authenticator）实现操作二步验证_php otp 验证器-程序员宅基地

文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证（即Google Authenticator服务）后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器

【Python】matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距-程序员宅基地

文章浏览阅读4.3k次，点赞5次，收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距

docker — 容器存储_docker 保存容器-程序员宅基地

文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节，实现了多层数据的堆叠，为用户提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制（CoW）策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的，不建议用于生成环境。_docker 保存容器

随便推点

网络拓扑结构_网络拓扑csdn-程序员宅基地

文章浏览阅读834次，点赞27次，收藏13次。网络拓扑结构是指计算机网络中各组件（如计算机、服务器、打印机、路由器、交换机等设备）及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式，也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn

JS重写Date函数，兼容IOS系统_date.prototype 将所有 ios-程序员宅基地

文章浏览阅读1.8k次，点赞5次，收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时，通常的做法是：new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的，而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠，也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑，需要做一些额外的特殊处理，笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数，一劳永逸，避免每次ne_date.prototype 将所有 ios