基于深度学习辅助的5G NR频率衰落信道估计方法及系统

本发明涉及无线通信技术领域，具体公开了一种基于深度学习辅助的5G NR频率衰落信道估计方法及系统，其构建了基于深度学习辅助的信道估计模型，该模型采用低层次特征提取网络对LS信道响应矩阵的低层次特征进行学习，再利用多尺度特征提取网络学习时域与频域全局相关性的特征，使得5G NR接收机信道的状态感知更全面，最后结合输出层提升拟合能力解决传统LS算法噪声估计不足问题，提升高频段与不同延迟的接收机通信信道状态信息的准确性。仿真实验表明，本发明的信道响应均方误差明显优于LS算法，且较线性最小均方误差算法有更高的鲁棒性。