一种基于卷积神经网络的车辆通信信道估计算法

本发明属于车辆通信中的信道估计领域，提出了一种基于卷积神经网络的车辆通信信道估计算法，旨在解决传统信道估计方法在车载环境下多径效应、噪声干扰及高计算复杂度等问题。该方法结合了深度超分辨率卷积神经网络VDSR和盲去噪卷积神经网络RIDNet，并在网络中引入SENet、ECANet和CBAM三种通道注意力机制，通过增强特征表达能力，提升了模型在复杂环境中的适应性和准确性。具体流程为：先采用径向基函数(RBF)插值进行初步信道估计，再通过改进的深度残差卷积神经网络进行进一步处理，最后通过超分辨率和去噪操作优化信道估计结果。该方法有效提高了在低移动率和高移动率场景下的信道估计精度，具有广泛的应用前景，尤其适用于高速车联网环境中的信道估计。