面向C‑V2X通信的基于深度学习的联合信道估计与均衡算法

陈成瑞，孙 宁，何世彪，廖 勇*

（1.重庆工程学院电子信息学院，重庆 400056；2.重庆大学微电子与通信工程学院，重庆 400044）

（*通信作者电子邮箱liaoy@cqu.edu.cn）

0 引言

我国是全球最大的汽车生产国和销量国，且汽车行业正处在向新能源、智能网联和自动驾驶等转型升级的关键机遇期，在未来的场景应用中，车联网（Vehicle to Everything，V2X）通信将是最重要的场景之一［1］。并且，随着智能化的潮流兴起，智能交通系统愈加受到人们的关注，而V2X 作为下一代智能交通的核心，其相关技术的研究也会推动智能交通系统的发展。V2X 是指通过装载在车辆上的传感设备、车载终端及电子标签来提供车辆数据信息，利用先进的通信技术获取到车辆周围的环境信息，进而对车辆进行管控和提供服务［2］。具体来说，V2X 包括的通信场景主要有车辆间通信（Vehicle to Vehicle，V2V）、车辆与路边基础设施通信（Vehicle to Infrastructure，V2I）、车辆与行人通信（Vehicle to Person，V2P）和车辆与网络通信（Vehicle to Network，V2N）等［3］。

为了支持V2X 的在实际生活中的应用，已有相关组织提出了V2X 通信技术标准，主要有短程通信（Dedicated Short Range Communication，DSRC）［4］技术和基于蜂窝网络的车联网（Cellular-Vehicle to Everything，C-V2X）［5］技术，其中C-V2X包括LTE-V2X 技术和5G NR-V2X 技术。LTE-V2X 作为面向车路协同的通信综合解决方案，能够在高速移动环境中提供低时延、高可靠、高速率的通信能力，满足车联网多种应用的需求。本文聚焦于LTE-V2X 通信技术标准，对其接收机中的信道估计与均衡技术进行联合考虑，以改善通信系统的性能。

作为无线通信系统接收机的关键部分，信道估计与信道均衡性能的好坏将直接影响到整个通信系统的通信质量。……