面向低轨卫星的残差注意力信道估计方法

摘要

针对低轨(LEO)卫星通信中正交频分复用(OFDM)系统在信道快速变化条件下传统方法存在估计精度不足的问题，提出了一种基于深度学习的信道估计方法。该方法首先通过构建局部残差增强模块，有效提取初始估计的信道响应中的局部结构特征，随后引入一种轻量级注意力模块，以捕捉时频维度上的远程依赖关系，增强网络对信道全局结构变化的感知能力，最后结合多层卷积网络实现精细信道响应的重建与输出。在保证较低复杂度的前提下，该方法能够有效提升信道估计性能。仿真结果表明，在多种LEO卫星信道模型和不同信噪比条件下，所提出的方法相比传统信道估计方法和现有深度学习方法，均表现出较高的信道估计精度和良好的鲁棒性，验证了其在LEO卫星通信场景中的有效性和应用潜力。

关键词

信道估计 / 低轨卫星通信 / 正交频分复用 / 深度学习 / 注意力机制