1 重庆邮电大学 通信与信息工程学院，重庆 400065
2 北京智芯微电子科技有限公司，北京 102200
【目的】电力线载波（PLC）通信系统采用基于帧突发的传输模式，由于PLC系统的收发信机之间存在载波频偏、PLC信道存在各种噪声以及时变特性，加之PLC系统没有专用参考信号，传统信道估计对PLC信道没有跟踪预测能力，进而造成PLC系统性能恶化。
【方法】文章针对现有问题，提出了一种基于长短期记忆（LSTM）神经网络和去噪卷积神经网络（DnCNN）的去噪长短期记忆（DnLSTM）神经网络，并利用该DnLSTM神经网络进行了PLC信道估计。首先对DnLSTM神经网络进行离线训练再保存训练好的DnLSTM参数，之后将其部署到PLC系统中，加载训练完成的参数后再进行在线预测，得到PLC系统信道响应。在电力线系统仿真中，文章采用最小二乘法（LS）、最小均方误差（MMSE）算法以及DnLSTM神经网络进行信道估计，给出在高斯白噪声（AWGN）、组合噪声、色噪声和脉冲噪声条件下的仿真结果，同时调整了用于信道估计的前导符号数量并进行了对应的仿真。
【结果】仿真结果表明，DnLSTM神经网络进行信道估计的精度与采用的前导符号数量有关，采用4个前导符号进行信道估计，其估计精度优于LS，接近MMSE算法，并且DnLSTM神经网络具有很好的抵抗载波频偏以及信道时变的能力。当用于信道估计的前导符号越多时，低信噪比（SNR）情况下的PLC系统性能越好，高SNR情况下的PLC系统性能相似。
【结论】通过以上仿真可得出，基于LSTM和DnCNN的DnLSTM神经网络可以很好地估计存在频偏的PLC系统信道响应，可实时跟踪其变化。
电力线载波通信 信道估计 深度学习 长短期记忆神经网络 去噪卷积神经网络 PLC communication channel estimation deep learning LSTM neural network DnCNN 光通信研究
2024, 50(2): 22005801
江苏商贸职业学院 电子与信息学院, 江苏 南通 226000
针对基于接收信号强度的可见光通信系统室内定位精度低的问题, 提出一种基于深度神经网络的可见光通信系统室内定位方法。方法采用可见光信道估计技术进行室内距离测量, 以解决接收信号强度稳定性与可靠性不足的问题。此外, 设计了深度神经网络在离线阶段学习光电二极管距离向量的分布特性, 以避免光信号不稳定导致误差升高的问题.在线上阶段基于多距离向量对目标进行定位, 可在满足时间效率要求的情况下提高定位精度。仿真结果表明, 在室内场景下, 该方法的平均定位精度优于传统三角定位法与基于接收信号强度的定位方法。
可见光通信 接收信号强度 室内距离测量 光信道估计 深度神经网络 室内定位 visible light communication received signal strength indoors distance measurement optical channel estimation deep neural networks indoors positioning0 引 言
研究对象是偏移正交幅度调制的相干光正交频分复用通信（CO-OFDM-OQAM）系统的信道估计方法。为了减少训练序列所占用的频谱资源，进一步提升频谱效率，为偏振复用CO-OFDM-OQAM系统提出了一种新的频域信道估计方法。该方法利用偏振复用系统的解调原理和固有虚部干扰系数的对称性规律设计全负载型实值导频方案，结合插值法，将每个偏振态上训练序列需要占用的频域符号个数降低为4。此外，该方法的另一个优势是具有更好的功率峰均比。搭建了偏振复用CO-OFDM-OQAM系统的数值仿真平台，在背靠背（BtB）、100 km和200 km光纤传输3种场景下对所提方法的频谱效率、功率峰均比和信道估计性能进行了验证。获得的结果证实所提方法能够提高频谱效率，而且功率峰均比更加优良。
正交频分复用 偏振复用 信道估计 光通信系统 光学学报
2023, 43(13): 1306003
西安工业大学 电子信息工程学院，西安 710021
多输入多输出（Multiple-input-multiple-output，MIMO）可见光通信（Visible Light Communications，VLC）系统接收端需精确的信道状态信息用以解调信号，而常用的最小二乘算法对噪声敏感，估计误差较大，难以保证可靠性。基于信道稀疏特性，利用压缩感知方法进行MIMO-VLC信道估计，提出一种基于离散傅里叶变换（Discrete Fourier Transform，DFT）的稀疏度预测自适应匹配追踪（DFT Based Prediction-sparsity Adaptive Matching Pursuit，DFT-SAMP）算法。首先，通过DFT的稀疏度预测方法对信道冲激响应的稀疏度进行预估计，将估计的稀疏度作为算法初始步长，以快速逼近真实稀疏度，提高算法效率；其次，采用SAMP算法重构信道冲激响应，提高信道估计准确性，保证通信可靠性。基于的MIMO-VLC系统信道估计实验结果表明，导频数为32时，本文算法相较于最小二乘算法在误码率满足前向纠错的误码率阈值（3.8×10-3）时所需的信噪比降低4.5 dB；利用DFT-SAMP算法进行信道估计，在保证可靠性的同时，运行效率相比SAMP算法提升约69%，为MIMO-VLC系统信道估计提供了更为有效的方式。
MIMO-VLC 压缩感知 信道估计 误码率 MIMO-VLC Compressed sensing Channel estimation Error rate
1 重庆邮电大学工业物联网与网络化控制教育部重点实验室，重庆 400065
2 重庆邮电大学通信与信息工程学院，重庆 400065
针对现有的非对称限幅光正交频分复用（ACO-OFDM）可见光通信（VLC）系统中信道估计方法存在导频数量过大、精度低、估计效率不高的问题，提出一种基于深度神经网络（DNN）的VLC信道估计方法。利用梯度集中化（GC）方法进行模型优化，并采用端到端的方式跟踪信道信息并恢复失真信号。仿真结果表明：所提方法的误码率（BER）和均方误差（MSE）性能均优于传统方法；在使用较少的导频和省略循环前缀（CP）进行信道估计时，所提方法具有更强的鲁棒性。此外，在DNN训练过程中引入GC方法，可以加快网络的收敛速度，提高其优化能力。
光通信 非对称限幅光正交频分复用 信道估计 深度神经网络
近年来，水下无线光通信(UWOC)技术因其高速数据传输能力而成为了研究热点，但水波的吸收和散射等因素使得UWOC信道变得十分复杂。对复杂的信道做出准确的信道估计(CE)和信号检测(SD)是目前高速UWOC面临的主要问题之一。针对这一问题，提出了一种在光正交频分复用系统中利用深度学习以端对端的方式对UWOC信道进行估计并直接检测的方案。首先根据在不同水域类型的UWOC信道下模拟生成的数据离线训练深度神经网络(DNN)，然后使用DNN直接对信号进行补偿，该方案可以隐式地估计出信道状态信息并直接恢复传输数据。仿真结果表明，提出的信道估计和信号检测方案在复杂的UWOC信道环境中具有优越的性能，特别是在导频数量较少以及去除循环前缀时，深度学习方案比传统方案鲁棒性更好。
光通信 水下无线光通信 信道估计 信号检测 深度学习 光正交频分复用 中国激光
2022, 49(17): 1706004
毫米波大规模多输入多输出(MIMO)系统具有更多的射频链路, 带来更大的功耗, 接收端使用低分辨率模数转换器(ADC)可有效解决功耗高的问题。针对低分辨率ADC引起接收信号幅度失真, 进而影响信道估计准确性的问题, 文章提出了一种基于优化的两阶段毫米波信道估计算法。第1阶段, 根据量化后的接收信号确定采样后的接收信号取值范围, 并将其作为约束条件构造优化问题, 利用l1范数衡量向量稀疏度估计波达方向; 第2阶段, 根据估计的波达方向, 使用Bussgang分解模型近似非线性量化过程, 得到信道复增益的最小二乘估计。仿真结果表明, 所提算法准确性比目前最先进的算法提升了约5 dB, 且算法复杂度降为线性。由此可见, 所提算法在有效性和可靠性方面均有较大提升, 具有实用价值。
毫米波通信 大规模多输入多输出 信道估计 低分辨率模数转换器 凸优化 millimeter wave communication massive MIMO channel estimation low-resolution ADC convex optimization
洛阳理工学院 计算机与信息工程学院, 河南 洛阳 471023
基于压缩感知的匹配追踪算法可以用较短导频序列估计大规模天线通信系统稀疏信道, 具有计算复杂度低, 需要导频数量少的优点, 但信道估计精度不高。依据估计误差大小给各次迭代获得的信道估计值加权, 能在低信噪比(SNR)条件下提高估计精度, 但会降低高SNR条件下的估计精度。为了解决这个问题, 文章提出了一种改进的加权匹配追踪算法。先通过对信道数据训练获取权值信息, 然后随迭代次数自适应调整权值, 从而改善估计精度性能。仿真结果表明, 改进算法在保证低SNR估计精度前提下, 改善了高SNR条件下的估计精度性能。
大规模天线 压缩感知 匹配追踪 稀疏重建 信道估计 massive antenna compressed sensing matching pursuit sparse reconstruction channel estimation
中南林业科技大学 计算机与信息工程学院, 长沙 410004
针对正交频分复用(OFDM)系统中的稀疏信道估计问题, 文章提出了一种基于二进制编码的多导频并行搜索导频设计算法。文章所提算法在最小互不相干性(MIP)规则下, 通过最小化字典矩阵的相干性来考虑确定性导频设计问题, 并要求将导频分配放在有效子载波范围内以实现更实际的目的。导频集在文章所提算法中是二进制编码的。在每次迭代中, 将二进制编码段的序列重新组合, 以更新近似最优导频位置。某些编码段的更新可以同时改变多个导频位置, 既增加了导频的多样性, 又降低了计算的复杂度。实验结果表明, 与现有导频优化方法相比, 文章所提算法可以找到更小的MIP测量矩阵, 相应的导频模式可以显著提高信道估计的性能。
信道估计 压缩感知 导频位置 二进制编码 channel estimation compressed sensing pilot placement binary code
