【技术实现步骤摘要】
本专利技术属于卫星通信，具体涉及attcsdl辅助otfs在卫星通信中的信道估计方法及系统。
技术介绍
1、leo卫星以其小巧的体积、低廉的成本及快速补充发射的卓越能力，在卫星通信
中扮演着关键驱动角色。随着6g时代对太赫兹通信技术的深入探索，leo卫星与地面间的通信链路面临着更为复杂多变的环境，尤其是极高的多普勒频移，这极大地增加了精确捕捉信道状态信息的难度。在此情境下，传统ofdm技术因多普勒效应导致的子载波正交性受损，载波间干扰显著增加，难以满足leo卫星网络对高质量通信的需求。
2、为了克服ofdm技术的局限，正交时频空间（otfs）调制技术应运而生。otfs通过将时变信道转换到时延-多普勒（dd）域，展现出对多普勒频移和时延的良好适应性，从而在leo卫星通信的高移动性场景中展现出优异的性能。然而，当前的otfs信道估计方法，如基于嵌入式导频和保护符号的方案，虽然实现简单且复杂度低，但在恶劣信道条件下易出现路径漏检和衰落系数误差过大的问题。近年来，深度学习在无线通信物理层信道估计中的应用取得了显著进展。通过大量数据集的离线训练，数据驱动的深度神经网络能够处理复杂噪声，展现出不依赖先验知识的强大能力。然而，其性能高度依赖于训练数据的质量和数量，这在实际通信系统中往往难以保证。相比之下，模型驱动的深度学习则巧妙利用先验知识，仅需较小的数据集即可构建有效网络，更具实用性。
3、鉴于otfs技术在解决leo卫星通信中多普勒干扰方面的优势，以及其信道估计的复杂性，研究基于otfs的leo卫星通信系统信
技术实现思路
1、针对上述问题，本专利技术提出了一种attcsdl辅助otfs在卫星通信中的信道估计方法及系统，目的在于解决现有卫星通信技术在复杂动态环境下信道估计精度低以及资源利用效率低等问题。
2、为了实现以上目的，本专利技术采用如下技术方案：
3、attcsdl辅助otfs在卫星通信中的信道估计方法，包括以下步骤：
4、s1，构建otfs系统模型，并设计一种多导频嵌入式的导频方案，用于模拟leo卫星通信信道中的信号传输过程，并生成接收端的导频信号以及对应的信道信息；
5、s2，将获取的信道信息输入传统的omp信道估计模块中，作为信道预估计器，用于获取信道的初步估计值；
6、s3，将所述信道的初步估计值作为输入，实际的信道响应作为标签对深度神经网络进行训练，并采用attcsdl深度神经网络方法进一步精化估计；
7、s4，利用训练好的深度神经网络对信道进行实时估计。
8、其中，attcsdl全称为attention compressive sensing deep learning，表示融合注意力机制的基于压缩感知的深度学习方法。
9、作为优选方案，步骤s1中，所述构建otfs系统模型，具体包括如下步骤：
10、s11，在发送端，利用表示在延迟-多普勒 （delay-doppler, dd）域发送的个数据符号，其中和分别表示多普勒维度和时延维度，为数据符号数，为子载波数；随后通过逆辛有限傅里叶变换将数据符号映射到时频域上：
11、（1）；
12、其中，j是虚数单位；，经过海森堡变换，将时频域符号转换为时域符号：
13、（2）；
14、其中，为发送脉冲波形，是子载波间隔，是符号持续时间；
15、leo卫星信道被表示为稀疏多径的时延-多普勒信道：
16、（3）；
17、其中，表示路径数，和分别表示第i条路径的信道增益、延迟和多普勒频移，表示冲激函数；
18、s12，在接收端，时域信号经过卫星信道传输后，得到接收信号：
19、（4）；
20、其中，是加性高斯白噪声，接收信号经过魏格纳变换得到时频域符号，再经过辛有限傅里叶变换后，最终得到dd域的符号：
21、（5）；
22、其中，为高斯白噪声。
23、作为优选方案，步骤s1中，所述设计一种多导频嵌入式的导频方案，具体包括如下步骤：
24、s13，在延迟-多普勒网格上，将导频符号设置在中间，保护间隔设置在导频区域周围；在不同的维度中，导频符号和数据符号之间的间隔分别大于最大多普勒频移和最大延迟频移；发送端发送的信号表示为：
25、（6）；
26、其中，和分别表示导频符号在多普勒维和时延维的位置，表示数据符号，和分别表示最大多普勒抽头参数和最大时延抽头参数，和分别表示多普勒、时延维中的导频数；
27、s14，为了满足最小的导频开销，设定信道估计区域的大小为：
28、（7）；
29、其中，和分别表示多普勒维度和时延维度的信道估计范围；最终，得到信道估计区域符号总数为。
30、作为优选方案，步骤s1中，所述leo卫星通信信道，包括：
31、时延：通过对leo卫星信道中的时延归一化和缩放，获得系统特定的路径时延，即：
32、（8）；
33、其中，是第i条路径的归一化时延，是时延扩展；
34、多普勒：设定多普勒频移表示为：
35、（9）；
36、其中，,,,,分别表示载波频移，光速，终端移动速度，卫星与地面终端间的仰角和终端运动方向与卫星在地面投影面的夹角；为卫星运动引起的载波频移，表示为：
37、（10）；
38、其中，，，分别表示地球半径，卫星运行高度以及卫星移动速度。
39、作为优选方案，步骤s2中，所述omp信道估计模块，包括如下过程：
40、s21，初始化：将感知矩阵以及接收信号作为输入，初始化残差，支撑集为空集，迭代次数；
41、s22，迭代过程：在第次迭代中，计算第次迭代的残差和感知矩阵相关度最高的原子；将并入支撑集中，并计算出新的支撑集下的重构信号，最后计算出重构信号的残差，不断重复上述过程，直到迭代次数大于信道稀疏度时，停止迭代；
42、s23，输出结果：最终的重构信号即为omp算法对信道的初步估计结果，在输出的重构信号中，非零元素的个数即为当前信道的多径数目，非零元素的位置对应的是信道在时延-多普勒域的时延和多普勒抽头系数，非零元素的数值为对应条径的信道增益。
43、作为优选方案，步骤s3中，所述attcsdl深度神经网络方法，包括如下步骤：
44、s31，数据预处理：将步骤s23中估计的信道结果构造成一个具有复数值的二维图像，所述二维图像具体表示为由实部和虚部组成的二维图像：
45、（11）；
46、其中，和分别表示取信道结果的实部的虚部；
47、s32，深度神经网络训练：将步骤s31数据预处理后的结果作为输入，实际的信道响应作为标签，对深度神经网络进行训练；
本文档来自技高网...
【技术保护点】
1. ATTCSDL辅助OTFS在卫星通信中的信道估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的ATTCSDL辅助OTFS在卫星通信中的信道估计方法，其特征在于，步骤S1中，所述构建OTFS系统模型，具体包括如下步骤：
3.根据权利要求1所述的ATTCSDL辅助OTFS在卫星通信中的信道估计方法，其特征在于，步骤S1中，所述设计一种多导频嵌入式的导频方案，具体包括如下步骤：
4.根据权利要求1所述的ATTCSDL辅助OTFS在卫星通信中的信道估计方法，其特征在于，步骤S1中，所述LEO卫星通信信道，包括：
5.根据权利要求1所述的ATTCSDL辅助OTFS在卫星通信中的信道估计方法，其特征在于，步骤S2中，所述OMP信道估计模块，包括如下过程：
6.根据权利要求5所述的ATTCSDL辅助OTFS在卫星通信中的信道估计方法，其特征在于，步骤S3中，所述ATTCSDL深度神经网络方法，包括如下步骤：
7.根据权利要求6所述的ATTCSDL辅助OTFS在卫星通信中的信道估计方法，其特征在于，步骤S3
8.根据权利要求1所述的ATTCSDL辅助OTFS在卫星通信中的信道估计方法，其特征在于，在步骤S32中，利用残差学习的思想，即信道矩阵的最终估计值，由输入的粗估计与深度神经网络提取的噪声值之间的残差得到。
9. ATTCSDL辅助OTFS在卫星通信中的信道估计系统，用于实现权利要求1-8任一项所述的ATTCSDL辅助OTFS在卫星通信中的信道估计方法，其特征在于，所述ATTCSDL辅助OTFS在卫星通信中的信道估计系统，包括：
...【技术特征摘要】
1. attcsdl辅助otfs在卫星通信中的信道估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的attcsdl辅助otfs在卫星通信中的信道估计方法，其特征在于，步骤s1中，所述构建otfs系统模型，具体包括如下步骤：
3.根据权利要求1所述的attcsdl辅助otfs在卫星通信中的信道估计方法，其特征在于，步骤s1中，所述设计一种多导频嵌入式的导频方案，具体包括如下步骤：
4.根据权利要求1所述的attcsdl辅助otfs在卫星通信中的信道估计方法，其特征在于，步骤s1中，所述leo卫星通信信道，包括：
5.根据权利要求1所述的attcsdl辅助otfs在卫星通信中的信道估计方法，其特征在于，步骤s2中，所述omp信道估计模块，包括如下过程：
6.根据权利要求5所述的attcsdl辅助otfs在卫星通信中的信道估计...
【专利技术属性】
技术研发人员：陈丽萍，李沛，姚英彪，梁雪松，许晓荣，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。