基于GSA-BP神经网络的OFDM系统信道估计算法

季 策, 张 晓

(东北大学 计算机科学与工程学院, 辽宁 沈阳 110169)

为了更好地实现数据高速传输,正交频分复用(OFDM)技术成为目前最有效的一种方式,在无线通信系统中发挥着越来越重要的作用,在频率抗选择性衰落方面表现良好[1],在无线通信领域应用较为广泛,在数字视频广播(DVB)以及无线局域网络等领域均有所应用[2].

无线信道的变化呈现出很强的随机性,难以预测,导致接收信号失真,由于信道状态信息(CSI)和信道非线性特征都是未知的,因此需要进行信道估计.盲信道估计在估计性能方面表现较差,半盲信道估计具有计算量大、算法复杂等特点[3].目前普遍选用非盲信道估计,利用收发端均已知的导频符号对信道加以估计[4].

Ibrahim等[5]指出人工神经网络是目前解决图像和信号处理等复杂问题的一种有效解决方案.Ibukahla等[6]使用 BP 神经网络方法,通过对卫星通信信道所呈现出的非线性特征进行建模,从而得出神经网络在数据拟合方面具有较好的性能.近年来,越来越多的学者将深度学习运用于信道估计中[7-8].Soltani等[9]将超分辨率技术应用于信道估计,同时引入DnCNN网络进行去噪处理,该方法进一步提升复杂度,由于依赖于图像去噪,稳健性较差.Zhang[10]提出BP神经网络算法可以用来获得信道冲激响应(channel impulse response,CIR),该算法所得结果与实际的CIR较为接近.Mei等[11]指出传统BP神经网络虽然具有较强的非线性映射性,然而由于采取随机赋予权值和阈值的方式,使其很难达到全局最优……