申请/专利权人：北京遥感设备研究所

申请日：2023-11-28

公开（公告）日：2024-03-08

公开（公告）号：CN117675452A

主分类号：H04L25/02

分类号：H04L25/02;H04B17/373

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：本说明书提供了一种基于SE‑LSTM的资源独立的联合SNR预测和信道估计方法，涉及信道估计技术领域；初始化WOA算法参数，根据SE‑LSTM模块及存储参数，进行时间与空间两维度的特征信息提取与学习，确定适应度；将适应度输入至WOA算法模块，进行参数搜索及最优适应度更新；当搜索次数未超过预设最大迭代数时，返回SE‑LSTM模块重新训练网络，将训练结果传输至WOA算法模块，并不断搜索同时更新最佳参数与最优适应度；当搜索次数超过最大迭代次数，输出最佳参数及最优适应度，得到信道估计网络模型；将待预测信号输入到信道估计网络模型中，得到待预测信号的SNR预测值和信道估计响应。解决了现有方法依赖人工经验调参效果不佳，及由于无效调参造成的时间与资源上浪费的问题。

主权项：1.一种基于SE-LSTM的资源独立的联合SNR预测和信道估计方法，其特征在于，获取待处理数据，WOA初始化模块初始化WOA算法参数；根据SE-LSTM模块及存储参数，对所述待处理数据进行时间与空间两维度的特征信息提取与学习，输出RMSE均方误差值，确定适应度；将所述适应度输入至WOA算法模块，进行参数搜索及最优适应度更新，并将搜索到的参数进行存储；当搜索次数未超过预设最大迭代数时，返回SE-LSTM模块重新训练网络，将训练结果传输至所述WOA算法模块，并不断搜索同时更新最佳参数与最优适应度；当搜索次数超过所述最大迭代次数，输出最佳参数及最优适应度，并保存WOA-SE-LSTM信道估计网络模型；从待预测信号提取出对应的参考信号并输入到所述WOA-SE-LSTM信道估计网络模型中，得到所述待预测信号的SNR预测值和对应时频位置上的信道估计响应。

全文数据：

权利要求：

百度查询： 北京遥感设备研究所 一种基于SE-LSTM的资源独立的联合SNR预测和信道估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD