论文研究 深度学习算法对改善信道估计性能的贡献

在本文中，我们将深度学习应用于LTE-A上行链路信道估计系统。 该工作涉及基于三种类型的信道传播模型，创建两个用于培训和测试的SC-FDMA数据库。 这项工作的第一部分包括应用人工神经网络来估计SC-FDMA链路的信道。 神经网络训练是一个迭代过程，其过程包括调整其参数值：权重和偏差。 训练后，神经网络经过测试，并在接收器上实现。 这项工作的第二部分处理相同的实验，只是使用深度学习而不是经典的神经网络。 仿真结果表明，与传统方法相比，深度学习在有关误码率和处理速度方面具有显着改进。 这项工作的第三部分已保留给复杂性研究。 我们已经证明，深度学习比低复杂度的MMSE估计器具有更好的性能。