为了提高海上正交频分复用(OFDM)信道估计的准确性,提出 了一种基于时序特征融合的神经网络信道估计方法.该方法在卷积网络(CNN)的基础上融入了时序特征融合模块,以增强特征提取能力,提高了信道估计的准确性.时序特征融合模块通过双向长短期记忆网络(BiLSTM)提取高级时序特征,实现了基本特征与高级时序特征的融合,并使用海上实测数据集进行训练和验证.实验结果表明,所提方法的误码率比传统信道估计方法有3db左右的提升,比全连接网络的信道估计方法有2db左右的提升,在海上通信环境中表现出良好的信道估计性能.为了提高海上正交频分复用(OFDM)信道估计的准确性,提出 了一种基于时序特征融合的神经网络信道估计方法.该方法在卷积网络(CNN)的基础上融入了时序特征融合模块,以增强特征提取能力,提高了信道估计的准确性.时序特征融合模块通过双向长短期记忆网络(BiLSTM)提取高级时序特征,实现了基本特征与高级时序特征的融合,并使用海上实测数据集进行训练和验证.实验结果表明,所提方法的误码率比传统信道估计方法有3db左右的提升,比全连接网络的信道估计方法有2db左右的提升,在海上通信环境中表现出良好的信道估计性能. Read More