一种基于深度强化学习的水声信道多径稀疏度估计方法

本发明公开了一种基于深度强化学习的水声信道多径稀疏度估计方法，该估计方法利用水声信道具有时变性的特点，尤其是水声信道的稀疏度随时间发生变化。然而，稀疏度对于压缩感知类算法来说是一个重要的参数，其对估计性能有着直接影响。于是，本发明首先引入深度强化学习算法DQN对水声信道的稀疏度进行跟踪，接着采用OMP算法准确地估计出信道冲激响应。相比于传统的LS、OMP算法，该方法能够有效跟踪水声信道的时变性，较好地估计水声信道的稀疏度，显著提高了译码性能。相比于基于表格形式的Q‑learning算法，该方法能够更快地达到收敛。