基于模型驱动深度学习的OTFS信道估计

来源：电子与信息学报杂志2024年第2期北京时间：

作者：蒲旭敏, 刘雁翔, 宋米雪, 陈前斌

单位：重庆邮电大学通信与信息工程学院 重庆 400065

摘要：针对单输入单输出(SISO)的正交时频空间(OTFS)调制系统，该文利用一种模型驱动深度学习算法进行OTFS信道估计。该方案首先将去噪近似消息传递(DAMP)算法进行深度展开，利用去噪卷积神经网络代替传统的去噪器，对含噪的时延多普勒信道进行去噪估计，然后提供了状态演化方程来预测可学习去噪近似消息传递(LDAMP)算法的理论归一化均方误差性能。仿真结果表明，相比于其他估计方案，该方案不仅在低信噪比条件下具有优越的性能表现，而且还具有非常好的鲁棒性，在信道路径总数不变时，增加OTFS 2维网格点数量，可以有效提升信道估计精确度。

关键词：正交时频空间, 信道估计, 时延多普勒信道, 深度学习

基金资助：国家自然科学基金(61701062)，中国博士后科学基金(2019M651649)，江苏省博士后科研基金(2018K041c)，重庆市教育委员会科学技术研究项目(KJQN202100649, KJQN202000612)