[发明专利]基于反卷积和去噪卷积的信道估计方法和系统

说明书

本发明提供一种基于反卷积和去噪卷积的信道估计方法，涉及通信技术领域。本发明首先基于原始信道信息获取导频点信息，然后通过反卷积网络对导频点信息进行插值处理，拟合出初始完整信道信息，再通过去噪卷积网络DnCNN实现去噪处理，得到信道估计值。本发明利用反卷积网络对导频信道信息进行插值拟合，有效地利用了导频点信息间的关联信息，并通过去噪卷积网络DnCNN对提取出的初始完整信道信息进行去噪处理，得到更加精确的信道估计值，本发明在信道估计的过程中，有效降低了数据失真和信道噪声的影响，从而提高了信道估计的精度。

技术领域

本发明涉及通信技术领域，具体涉及一种基于反卷积和去噪卷积的信道估计方法。

背景技术

信道估计是一种用于估计信道信息的技术，是实现无线通信系统的一项关键技术。简单来说，信道估计就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，是信道对输入信号影响的一种数学表示。广泛应用在移动通信、无线传输等领域。

频域信道估计为现有技术中常见的信道估计方法，频域信道估计是利用导频符号的估计与插值操作来获取各个资源元素位置上的信道频域响应的方法。该方法是在发送信号中的特定位置插入导频信息，然后再在接收信号的相应的特定位置取出局部的信道状态信息，最后根据插值算法对局部的信道状态信息进行插值，从而可以估计出完整的信道状态。例如最小二乘加线性插值或样条插值信道估计方法，线性最小均方误差加线性插值或样条插值信道估计方法等，上述的方法均是假设导频处的信道频域响应与数据处的CFR的变化是线性的。

然而实际运用中，由于多径和多普勒的共同影响使得信道的变化相对比较复杂，导致线性变化的这一假设不能很好的适用于复杂的信道，使得传统插值方法的估计性能较低，从而导致现有的频域信道估计精度低。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于反卷积和去噪卷积的信道估计方法和系统，解决了现有技术中信道的估计方法精度低的技术问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

本发明提供一种基于反卷积和去噪卷积的信道估计方法，所述方法由计算机执行，包括以下步骤：

S1、基于原始信道信息获取导频点信息；

S2、基于反卷积神经网络对所述导频点信息进行插值处理，获取初始完整信道信息；

S3、基于去噪卷积网络DnCNN对所述初始完整信道信息进行去噪处理，获取信道估计值。

优选的，在S1中，原始信道信息为72*14*2的矩阵形信息，导频点信息为24*2*2的矩阵形信息。

优选的，在S2中，所述反卷积神经网络包括：

前四层是5*5的卷积核，第五层是1*1的卷积核的5层反卷积神经网络。

优选的，在S3中，对所述初始完整信道信息进行去噪处理包括：

基于去噪卷积网络DnCNN获取初始信道信息中残余的噪声信息分布；

根据噪声信息分布进行相减操作，实现去噪。

优选的，所述去噪卷积网络DnCNN包括20个卷积层，其中：

第1层是64个3*3滤波器+Relu激活函数；

第2层到第19层是64个3*3的卷积核，通过归一化操作和Relu激活函数来激活；

第20层是1个3*3的卷积核。

本发明是提供一种基于反卷积和去噪卷积的信道估计系统，所述系统包括计算机，所述计算机包括：