TS-GRU-VTA：基于深度学习的车辆信道估计方案

来源：系统工程与电子技术杂志2025年第9期北京时间：

作者：季策, 马相宇*, 牟晓宇, 赵家毅

单位：1. 东北大学计算机科学与工程学院，辽宁 沈阳 110819；2. 东北大学秦皇岛分校计算机与通信工程学院，河北 秦皇岛 066004

摘要：在IEEE 802.11p标准下，传统的数据导频辅助（data-pilot aided, DPA）估计器难以有效追踪时变信道，尽管基于深度学习的估计算法得到广泛研究，但通常面临复杂度高或性能不佳的问题。基于此，提出了一种低复杂度的信道估计方案，通过结合时域采样、门控循环单元（gated recurrent unit, GRU）和变系数时间平均方法，有效降低复杂度并提高性能。仿真结果表明，该算法在性能和复杂度上均优于对比算法。

关键词：低复杂度信道估计,时域采样,深度学习,门控循环单元网络,变系数时间平均