[发明专利]OFDM系统快时变信道参数估计方法及装置

权利要求书

1.一种OFDM系统快时变信道参数估计方法，其特征在于，包括：

获取接收信号的频域采样数据与导频信息；

根据所述频域采样数据与导频信息，估计信道的时域冲击响应对应的基系数，并根据所述基系数计算时域信道的冲击响应数据；

将所述冲击响应数据输入预设的神经网络模型，根据所述神经网络模型的输出结果，确定所述接收信号的信道参数；

其中，所述预设的神经网络模型，根据带有信道参数标签的信号样本对应的冲击响应数据训练后得到。

2.根据权利要求1所述的OFDM系统快时变信道参数估计方法，其特征在于，所述导频信息为信号发送端在OFDM符号中等间隔的设置导频簇得到。

3.根据权利要求1所述的OFDM系统快时变信道参数估计方法，其特征在于，所述获取接收信号的频域采样数据与导频信息，包括：

对接收信号进行频域变换，得到频域采样数据与导频信息。

4.根据权利要求1所述的OFDM系统快时变信道参数估计方法，其特征在于，所述根据所述频域采样数据与导频信息，估计信道的时域冲击响应对应的基系数，包括：

基于快时变信道的复指数基扩展模型，根据频域采样数据与导频信息，估计多径信道时域冲击响应所对应基系数。

5.根据权利要求1所述的OFDM系统快时变信道参数估计方法，其特征在于，所述将所述冲击响应数据输入预设的神经网络模型，包括：

将时域信道的冲击响应数据的实虚部分开拼接成实向量作为神经网络的输入，经过全连接隐层后，经输出层输出。

6.根据权利要求1所述的OFDM系统快时变信道参数估计方法，其特征在于，所述将所述冲击响应数据输入预设的神经网络模型之前，还包括：

在多种信道参数下，获取多个样本信号；

将样本信号划分为训练集和测试集，对训练集进行训练得到初始模型，采用测试集验证模型是否达到预设精度；若是，则该模型即为最终网络模型，否则采用梯度下降法对初始模型进行调参，对训练数据进行重新训练，直到达到预设精度。

7.根据权利要求6所述的OFDM系统快时变信道参数估计方法，其特征在于，所述采用梯度下降法对初始模型进行调参，包括：

每次训练时，根据预设的损失函数进行反向传播，并根据学习率和梯度信息更新下一次迭代的参数值。

8.一种OFDM系统快时变信道参数估计装置，其特征在于，包括：

解析模块，用于获取接收信号的频域采样数据与导频信息；

处理模块，用于根据所述频域采样数据与导频信息，估计信道的时域冲击响应对应的基系数，并根据所述基系数计算时域信道的冲击响应数据；

输出模块，用于将所述冲击响应数据输入预设的神经网络模型，根据所述神经网络模型的输出结果，确定所述接收信号的信道参数；

其中，所述预设的神经网络模型，根据带有信道参数标签的信号样本对应的冲击响应数据训练后得到。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述OFDM系统快时变信道参数估计方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述OFDM系统快时变信道参数估计方法的步骤。