基于1D-Concatenate的信道估计DNN模型优化方法

摘要：

为提高DNN模型在无线通信中信道估计精度,提出一种基于1D-Concatenate的信道估计DNN模型优化方法.该方法将Concatenate进行一维(1D)数据转换,以跳跃连接的方式引入DNN模型,抑制梯度消失问题,运用1D-Concatenate恢复网络训练过程中丢失的数据特征,提高DNN信道估计精度.为验证优化方法的有效性,选取较典型的基于DNN的无线通信信道估计模型进行对比仿真实验.实验结果表明,本文提出的优化方法对已有DNN模型的估计增益提升可达77.10％,在高信噪比下信道增益提升可达3 dB.该优化方法能有效提高DNN模型在无线通信中的信道估计精度,特别是高信噪比下提升效果显著.

关键词：信道估计、深度神经网络、Concatenate维度转换、数据特征恢复

所属期刊栏目：39

分类号：TN393(半导体技术)

资助基金：国家自然科学基金No.U19B2015

在线出版日期：2023-05-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：71-86