摘要
本发明公开了一种卫星场景下基于深度学习的OTFS联合信道估计与数据检测方法及模型。所述方法包括构建数据集、设计导频设计方案、构建联合信道估计与数据检测深度学习模型、反复训练深度学习模型,并通过预测数据得到信道状态信息及数据符号,将网络预测结果与其对应的信道状态信息及数据符号标签进行比较,通过最小均方误差和交叉熵损失对深度学习模型的输出进行评估;得到优化后的深度学习模型用于通过验证数据得到信道状态信息及数据符号。本发明集中于通过深度学习网络对OTFS接收信号进行学习以同时完成信道估计及数据检测任务,同时导频设计方案和数据切片处理方案,在保持高性能的同时,显著提高信道估计和数据检测的准确性和降低导频资源的开销。
技术关键词
数据检测方法
信道状态信息
迭代信道估计
训练深度学习模型
多普勒
训练集数据
信道特征提取
符号
检测网络模型
深度学习网络
计算机可读指令
时延
信号
发射天线
场景
系统为您推荐了相关专利信息
皮层脑电信号
视觉
脑电信号采集模块
闭环反馈控制
血流
负荷特征
无标签样本
负荷分类方法
训练深度学习模型
原型
图像分割提取方法
指数衰减函数
像素点
时间序列图像
曲线