基于人工神经网络的OFDM系统信道辨识与补偿

针对快衰落环境下OFDM系统的导频辅助信道估计,受到信道状态波动影响较大的问题,提出了一种基于人工神经网络的OFDM系统信道辨识与补偿方法.首先,对传统判决反馈信道估计方法进行了分析,说明了其在快衰落环境下存在的问题.其次,利用判决反馈信道估计以恒定间隔获得部分信道状态信息,从而仅用少量估计的信道状态信息来训练人工神经网络.然后,采用Levenberg-Marquardt算法进行神经网络训练.最后,在人工神经网络训练后,所有数据符号索引被串行输入到人工神经网络,以便对信道状态信息的整体转移进行插值,从而有效地补偿信道变化.快衰落环境下的OFDM通信系统测试结果表明,在多普勒频率为700 Hz的高移动性环境下,相比于传统估计方法,该方法表现出更好的误码率性能,可以消除错误平层,误码率达到10-4以下.