基于深度学习的多载波系统信道估计与检测

为了提升滤波器组多载波(FBMC)系统的通信质量,针对符号检测与信道估计问题,研究系统框架和虚部干扰问题,提出基于深度学习的FBMC系统信道估计与检测方法.搭建完整的FBMC-偏移正交幅度调制(OQAM)系统与深度学习模型结合的仿真系统,设计接收数据的特征与标签处理;采用ResNet-DNN神经网络对信道符号检测模块建模,改进原模型网络结构和优化模型参数,和传统的分类器相比,提高了符号检测的准确性;采用CNN+NN模型对信道估计、均衡、符号检测模块进行建模和集成,理论分析和仿真结果表明,新方法的抗噪声能力、鲁棒性和误比特率(BER)性能均优于正交频分复用(OFDM)系统和基于导频估计的FBMC系统性能.