计算机应用研究

作者：郑娟毅,魏甜,

单位：西安邮电大学通信与信息工程学院,西安710121；

关键词：正交时频空间,DLSBL,稀疏贝叶斯学习,长短期记忆网络,

基金：国家自然科学基金资助项目(62271391)；；

针对正交时频空间（OTFS）系统中传统稀疏贝叶斯学习（SBL）信道估计算法因依赖固定先验导致收敛缓慢，以及现有深度学习方法泛化能力不足的问题，提出了一种基于动态先验型的稀疏贝叶斯学习（DLSBL）信道估计方法。该方法首先利用长短期记忆（LSTM）网络学习并预测信道在延迟-多普勒（DD）域的动态时变统计特性，生成精确的、时变的稀疏先验信息。然后，将该动态先验信息作为SBL的初始化条件进行信道估计，解决了传统SBL在时变信道中参数选择的难题，并有效抑制了分数多普勒干扰和噪声。仿真结果表明，该方法相比传统算法，在误码率和归一化均方误差等性能上均有显著提升，尤其在低信噪比和高移动性场景下展现出更强的鲁棒性，为高移动性无线通信系统提供了更高效、精准的信道估计方案。

来源：2026年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第1期