论文部分内容阅读
针对高频谱效率频分复用(SEFDM)系统,提出了一种基于深度神经网络(DNN)的信道估计方法.该方法使用等间隔相互正交的导频符号,将其接收信号作为DNN的输入信号,通过4层的全连接DNN结构提取信道特征,最终实现了时域上的信道估计.仿真结果表明:提出的信道估计方法在同等条件下的均方误差(MSE)明显比最小二乘法(LS)的低,对应的解调性能也更优,且对导频数量具有更强的鲁棒性,由此反映出该方法的优越性.