[发明专利]一种基于元学习的OFDM系统中时变信道估计方法、装置、及存储介质

权利要求书

1.一种基于元学习的OFDM系统中时变信道估计方法，其特征在于，所述方法包括：

采集天线上接收到的信号的实时数据；

将所采集的信号的实时数据载入预先构建且利用元学习训练好的神经网络模型中，获取时变信道估计结果；

其中，利用元学习对所述神经网络模型进行训练的过程包括以下步骤：

在预先选定数量的具有不同多普勒频移的信道环境中，分别获取频偏补偿后的频域信号，并确定每个所述频域信号对应的目标信道估计结果；

基于所述频域信号及其对应的目标信道估计结果构建训练所述神经网络模型的任务集；

将所述任务集划分为支撑集和查询集；

在支撑集上训练神经网络模型并更新基础学习器的网络参数，基于更新后的基础学习器在查询集上测试神经网络模型并更新元学习器网络参数；

对所述基础学习器的网络参数和元学习器网络参数进行迭代计算，最终更新得到所述神经网络模型的初始化参数矩阵。

2.根据权利要求1所述基于元学习的OFDM系统中时变信道估计方法，其特征在于，所述最终更新得到所述神经网络模型的初始化参数矩阵后还包括：

在预先选定数量的具有不同多普勒频移的信道环境外建立新的数据集，基于新的数据集对所述神经网络模型的初始化参数矩阵进行微调，将微调后得到的神经网络模型作为训练好的神经网络模型。

3.根据权利要求2所述基于元学习的OFDM系统中时变信道估计方法，其特征在于，所述获取频偏补偿后的频域信号包括：

采集OFDM系统中不同时刻接收到的时域信号；

对所述时域信号做载波频偏补偿；

将频偏补偿后的时域信号通过快速傅里叶变换转换为频域信号；

其中，所述频域信号具有残余载波频偏。

4.根据权利要求1至3任一所述的基于元学习的OFDM系统中时变信道估计方法，其特征在于，基于所述频域信号及其对应的目标信道估计结果构建训练所述神经网络模型的任务集Q^(u)为：

式中，G表示第u个任务的样本集的总个数，u＝1,2…U，U为所述预先选定数量的具有不同多普勒频移的信道环境中的任务总个数；频偏补偿后的频域信号矩阵通过公式(2)获取：

式中，表示第u个任务下第g个样本集中第k个子载波上的频偏补偿后的频域信号，g＝1,2,…G；k＝1,2,…N，N表示子载波总个数；Γ(·)为复数转实数运算，T表示矩阵转置运算；目标信道估计结果通过公式(3)获取：

式中：表示利用线性最小均方误差估计方法获得的第u个任务下第g个样本集中第k个子载波上的频域信道估计值。

5.根据权利要求4所述的基于元学习的OFDM系统中时变信道估计方法，其特征在于，将所述任务集划分为支撑集和查询集包括：将任务集Q^(u)中的数据集分成数量相同的两个样本集合，即支撑集和查询集，所述支撑集通过公式(4)表示：

所述查询集通过公式(5)表示：