Оценка канала OFDM с использованием глубокого обучения на основе сверточных нейронных сетей

Рассматривается задача оценки канала в системах ортогонального частотного мультиплексирования (OFDM) с использованием методов глубокого обучения на основе сверточных нейронных сетей. В работе выполнено сравнение исходной программной реализации классических методов оценки канала и модифицированной реализации, дополненной нейросетевыми моделями типа FSRCNN (Fast Super‑Resolution Convolutional Neural Network – быстрая свёрточная нейронная сеть для сверхразрешения). Рассмотрены методы LS (наименьших квадратов), practical LMMSE (с минимальным среднеквадратичным отклонением), ideal LMMSE (оптимальный LMMSE), а также две сверточные модели: базовая – CNN Base и углубленная – CNN Deep. Установлено, что нейросетевые модели обеспечивают более высокую точность оценки канала практически во всем исследуемом диапазоне значений SNR. Полученные результаты представляют практический интерес для проектирования цифровых трактов радиоэлектронной аппаратуры систем широкополосной связи.

1. Чирков О.Н. Многополосный преобразователь частоты OFDM / О.Н. Чирков, Р.К. Астрединов // Проблемы обеспечения надежности и качества приборов, устройств и систем: Межвузовский сборник научных трудов. – Воронеж: Воронежский государственный технический университет, 2018. – С. 120–124.

2. Преображенский А.П. Особенности технологии OFDMA / А.П. Преображенский, О.Н. Чопоров // Вестник Воронежского института высоких технологий. – 2017. – Т. 11, № 4 (23). – С. 81–84.

3. Чирков О.Н. Оценка канала связи для OFDM систем с использованием методов глубокого обучения / О.Н. Чирков, Д.С. Мацокин, А.Г. Халдобин // Вестник Воронежского государственного технического университета. – 2025. – Т. 21, № 2. – С. 177–181.

4. Efficient Channel Estimation in OFDM Systems Using a Fast Super-Resolution CNN Model / S. Khichar, W. Santipach, L. Wuttisittikulkij [et al.] // Journal of Sensor and Actuator Networks. – 2024. – Vol. 13, No. 5. – URL: https://doi.org/10.3390/jsan13050055 (дата обращения: 16.04.2026).