您当前的位置:
首页 >
文章列表页 >
基于深度学习的正交频分复用系统信道估计
学术论文 | 更新时间:2024-05-31
    • 基于深度学习的正交频分复用系统信道估计

    • Channel estimation for OFDM system based on deep learning

    • 在5G信号接收领域,专家提出了基于深度学习的高效信道估计模型,有效解决了子载波间串扰和子符号间干扰问题,为5G信号处理提供了新方案。
    • 通信学报   2023年44卷第12期 页码:124-133
    • DOI:10.11959/j.issn.1000-436x.2023240    

      中图分类号: TN92
    • 网络出版日期:2023-12

      纸质出版日期:2023-12-25

    移动端阅览

  • 张昀, 周婧, 黄经纬, 等. 基于深度学习的正交频分复用系统信道估计[J]. 通信学报, 2023,44(12):124-133. DOI: 10.11959/j.issn.1000-436x.2023240.

    Yun ZHANG, Jing ZHOU, Jingwei HUANG, et al. Channel estimation for OFDM system based on deep learning[J]. Journal on communications, 2023, 44(12): 124-133. DOI: 10.11959/j.issn.1000-436x.2023240.

  •  
  •  

0

浏览量

134

下载量

0

CSCD

文章被引用时,请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

超大规模太赫兹系统深度学习信道估计算法
融合多尺度深度卷积的轻量级Transformer交通场景语义分割算法
mVulSniffer:一种多类型源代码漏洞检测方法
基于机器学习的加密流量分类研究综述
面向广义空间调制的增强型交叉Z互补集的新构造

相关作者

于舒娟
赵阳
魏玉尧
张昀
高贵
赵生妹
谢刚
王荃毅

相关机构

南京邮电大学电子与光学工程学院、柔性电子(未来技术)学院
南京邮电大学通信与信息工程学院
太原科技大学电子信息工程学院
先进控制与装备智能化山西省重点实验室
兰州交通大学电子与信息工程学院
0