一种基于空间感知插值的深度学习信道估计方法

本发明提供一种基于空间感知插值的深度学习信道估计方法，属于无线通信与人工智能融合技术领域。该方法首先根据导频点的稀疏分布构建导频索引集合，并将其映射至二维子载波‑符号网格；随后生成中心对称、边缘衰减的空间加权矩阵α(x,y)，通过引入位置相关的高斯型加权函数调节插值权重分布；再结合空间加权径向基函数对导频观测值进行复数域插值，构建完整的信道初始估计矩阵；之后将插值结果分解为实部、虚部及空间加权系数，构建三通道张量作为输入，送入卷积神经网络进行精细化估计，输出最终复数信道估计结果。在优选实施方式中，所述卷积神经网络采用SRCNN结构，输入包括插值信道的实部、虚部和空间加权矩阵α(x,y)，以增强模型的空间感知能力。仿真结果表明，在VehA标准信道模型下，本发明方法在稀疏导频条件下始终优于传统LS方法，且其性能接近MMSE方法，展现出更高的估计精度与更强的鲁棒性适用于高速动态无线通信系统中的信道恢复任务。