论文部分内容阅读
提出了一种基于反向传播(backpropagation,BP)算法训练的神经网络的多普勒频偏估计方法。所提方法主要分成线下训练与线上估计两个阶段,首先利用随机多普勒频偏与接收的导频符号构建训练样本,然后利用训练样本对BP神经网络进行线下训练,完成输入与输出数据之间的映射关系,最后基于训练后的网络利用接收导频符号数据,进行线上多普勒频偏估计。仿真结果表明,所提方法的估计性能远远优于现有方法,且具有较低的计算复杂度。