联合UKF与堆栈式ELM的时变信道估计方法、设备及介质

AITNT
正文
推荐专利
联合UKF与堆栈式ELM的时变信道估计方法、设备及介质
申请号:CN202410811623
申请日期:2024-06-21
公开号:CN118713963A
公开日期:2024-09-27
类型:发明专利
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
1
一种基于数字孪生的低空无人机虚拟现实融合管控系统
低空无人机 管控系统 数字孪生 分析模块 实体
2
一种混合双向时序融合模型训练方法及患病风险预测方法
患病风险预测方法 数据 样本 时间段 模型训练方法
3
感知不确定环境下的自动驾驶车辆路径规划方法及系统
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
4
一种融合多尺度时空特征的滑坡形变预测方法
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
5
一种基于周期性模式分解与双流架构的电力负荷预测方法
电力负荷预测方法 周期性 序列 多层感知机 策略优化模型
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号