摘要
本发明公开了一种基于超分辨率网络的信道估计方法。本发明将信道响应的时频网格被建模为仅在导频位置已知的2D图像。将具有多个导频的信道网格视为低分辨率图像,将估计的信道视为高分辨率图像。利用构建的卷积神经网络提取目标LR图像特征,并在已知的导频位置之间做插值处理,从而对信道图像进行超分恢复成为HR图像,实现信道估计操作。方法包括构建超分辨率神经网络;生成训练数据集;训练所述超分辨率神经网络;利用测试的数据集对网络性能进行测试;本发明利用超分辨率神经网络来学习信道矩阵特征,大幅度提高了信道估计的准确性和鲁棒性,实现了性能的提升。
技术关键词
超分辨率网络
信道估计方法
生成训练数据
采样模块
卷积神经网络提取
图像
模拟器
投影特征
特征提取模块
训练集
线性
采样方法
矩阵
通道
输出特征
载波
系统为您推荐了相关专利信息
坐标识别方法
锚网
图像特征提取方法
煤矿巷道
采样器
建筑构件
深度学习模型
平面拟合方法
网络结构优化
采样模块
影像融合方法
影像获取系统
影像融合系统
深度学习算法
子模块