基于模型驱动深度学习的DCSE-DAR接收机方法及系统

本发明提供了一种基于模型驱动深度学习的DCSE‑DAR接收机方法及系统，方法包括步骤S1：获取接收端采集的基带IQ频域信号并进行初始化处理；步骤S2：使用卷积神经网络对初始化后的信号提取局部特征，并将信道估计子网络的输出与接收信号进行融合，得到多信息融合特征；步骤S3：对所述多信息融合特征进行非线性补偿并输入全连接层，通过两步训练法完成网络优化；步骤S4：通过全连接层与Softmax/Sigmoid分类输出，得到原始发送信息。本发明能够在低导频密度下保持高精度信道估计，避免插值失真，对非线性失真具有更强鲁棒性，优于传统方法MMSE。