龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：电子科技大学
申请日：2024-04-17
公开（公告）日：2024-06-21
公开（公告）号：CN118233258A
主分类号：H04L25/02
分类号：H04L25/02
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明提供了一种将分布式压缩感知和深度学习相结合的针对OTFS系统的信道估计算法的方法，属于信道估计技术领域，包括以下步骤：首先接收时延多普勒信号，并对其进行预处理；通过Bi‑LSTM神经网络捕捉每列之间的相关性确定非零项位置，联合测量矩阵进行支撑集更新；通过支撑集更新稀疏度；获得迭代之后的残次r，当迭代次数或残差达到要求时停止循环，输出信道估计结果。相较于OMP算法与SBL算法，本发明提出的算法在低信噪比的情况下具有更好的表现，并且当路径增加或非零项位置发生变化时具有更强的鲁棒性。同时，由于其继承了贪婪算法的低复杂度，所以计算时间也远小于SBL算法，保证了算法的实时性。因此，该算法在复杂通信环境下具有一定的发展潜力，有助于推进OTFS系统信道估计领域的发展。
主权项：1.一种将分布式压缩感知和深度学习相结合的针对OTFS系统的信道估计算法的方法，其特征在于，包括以下步骤：S1、接收时延多普勒信号，并对其进行预处理；S2、通过Bi-LSTM神经网络捕捉每列之间的相关性确定非零项位置；S3、联合测量矩阵进行支撑集更新；S4、通过支撑集更新稀疏度，获得迭代之后的残次r，当迭代次数或残差达到要求时停止循环，输出信道估计结果。
全文数据：
权利要求：
百度查询： 电子科技大学 一种将分布式压缩感知和深度学习相结合的针对OTFS系统信道估计方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号