摘要
本发明涉及一种基于mamba神经网络的OFDM信道估计方法,属于信道估计方法技术领域。本发明基于mamba模型,利用OFDM信道状态数据时间序列的相关性,对当前信道状态进行估计,针对高波特率数据传输场景中的信道状态估计,能够突破注意力机制的窗口限制,高效利用长时间信道状态序列的内部相关性,实现对信道状态的精确估计;在对神经网络进行训练的过程中,可以采用并行计算的方式提升训练效率;对当前信道状态进行估计时,只需要考虑当前输入和上一时刻的隐藏状态,就能实现对信道状态的估计输出,有效降低信道状态估计的计算复杂度,实现快速估计。从而更有效地应对快速变化、双重选择性衰落的信道环境。
技术关键词
信道估计方法
矩阵
OFDM信道
神经网络训练
数据
注意力机制
波特率
复杂度
序列
黑色
场景
频率
系统为您推荐了相关专利信息
场景标注方法
多模态数据融合
二维图像数据
三维点云数据
关键点
透明容器
液体体积测量方法
图像采集设备
人机交互单元
像素
水库溢洪道
视觉识别系统
结构异常检测
水位预测值
动态变化规律
谐波源建模方法
LSTM模型
波形
电压
迁移学习方法
深度神经网络模型
动态优化方法
模型块
卷积网络技术
内存占用量