来源：期刊VIP网 时间：
作者：吕超跞;骆忠强;
单位：四川轻化工大学自动化与信息工程学院;四川轻化工大学人工智能四川省重点实验室;
摘要：针对IEEE 802.11p标准中导频数量有限，难以准确追踪车联万物(Vehicle-to-Everything, V2X)通信中时变信道的问题，学者们研究了数据导频辅助(Data Pilot Aided, DPA)信道估计方案。然而，这些经典DPA方案不能在完整的信噪比(Signal to Noise Ratio, SNR)范围内给出令人满意的效果，并且其估计结果的可靠性易受误差传播的影响。研究了一种新的信道估计方案，基于使用虚拟子载波的最小均方误差(Minimum Mean Square Error Using Virtual Pilots, MMSE-VP)方案，提出一种带有时间平均操作的改进MMSE(Improved MMSE,IMMSE)方案。IMMSE方案通过利用相邻正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)符号间信道的相关性来提高MMSE-VP方案在低SNR区域的性能，达到在整个SNR区域有良好表现的目的。联合深度学习技术，采用全连接神经网络(Fully Connected Neural Network, FCNN)作为IMMSE方案的非线性后处理模块，减少误差并获得更好的估计性能。在不同实验条件下的仿真结果表明，提出的信道估计方案可以适应调制方式和车辆速度的变化，能有效应对V2X通信中的信道估计问题。
关键词：车联万物通信;;信道估计;;IEEE 802.11p;;正交频分复用;;深度学习
基金资助：国家自然科学基金(61801319);; 四川省科技厅项目(2020JDJQ0061,2021YFG0099);; 四川轻化工大学研究生创新基金(Y2023285)~~
