摘要
本发明的一种联合UKF与堆栈式ELM的时变信道估计方法、设备及介质,包括首先通过基扩展模型来表征时变信道,然后基于历史时刻的信道基系数估计,引入UKF方法预测得到当前时刻的基系数的初始估计,再利用该初始估计对堆栈式ELM网络进行训练与测试,以获取更高精度的基系数估计;最后基于基系数与频域信道的转换关系,获取最终的频域信道估计。为了解决非线性状态空间模型下的参数估计问题,本发明基于历史时刻的信道基系数估计,首先引入无迹卡尔曼滤波(UKF)来预测得到当前时刻基系数的初始估计,然后利用该初始估计来训练堆栈式极限学习机(ELM)网络,以提取信道的深层特征并进一步提高信道估计的精度。本发明较现有方法具有更高的估计精度,适用于高速移动场景中时变信道信息的获取。
技术关键词
协方差矩阵
基扩展模型
OFDM符号
周期
非线性状态空间
训练样本集
无迹卡尔曼滤波
信道估计方法
贝叶斯滤波
状态空间模型
极限学习机
处理器
网络结构
计算机设备
系统为您推荐了相关专利信息
患病风险预测方法
数据
样本
时间段
模型训练方法
障碍物
车辆路径规划方法
扩展卡尔曼滤波器
协方差矩阵
路径跟踪控制
滑坡形变预测方法
空间特征提取
数据
分解算法
局部空间特征
电力负荷预测方法
周期性
序列
多层感知机
策略优化模型