文件名称：ChannelNet:论文“基于深度学习的信道估计”的实现
文件大小：5KB
文件格式：ZIP
更新时间：2024-06-13 19:40:56
Python
ChannelNet 论文“基于深度学习的信道估计”的实施 抽象的 在本文中，我们提出了一种用于通信系统中信道估计的深度学习（DL）算法。 我们将快速衰落的通信信道的时频响应视为二维图像。 目的是在导频位置使用一些已知值找到信道响应的未知值。 为此，提出了一种使用深度图像处理技术，图像超分辨率（SR）和图像恢复（IR）的通用管道。 该方案总共将导频值视为低分辨率图像，并使用与降噪IR网络级联的SR网络来估计信道。 此外，提出了所建议的管道的实现。 估计误差表明，在充分了解信道统计信息的情况下，所提出的算法可与最小均方误差（MMSE）相提并论，并且优于ALMMSE（近似于线性MMSE）。 结果证实该管线可以有效地用于信道估计中。 数据集 链接：完美的渠道-VehA模型（无噪音）： ://drive.google.com/file/d/1H5GiEWITfM00R4BS2uC3SiBLR0
【文件预览】：
ChannelNet-master
----.gitignore(1KB)
----models.py(7KB)
----README.md(1KB)
----ChannelNet_train.py(2KB)