摘要：在无线通信领域,系统性能的优劣通常与无线信道的特性密切相关。精确掌握信道和信号参数对于提升信息传输的可靠性和效率至关重要,因此信道估计成为该领域的核心技术之一。由于无线信道的不可预测性以及信号在传输过程中涉及多个维度(如空间、时间、频率等),使得信道估计方法的设计变得异常复杂。近期研究表明,通过将这些多维度信号转换为张量并进行分析,可以显著降低信道估计的技术难度。探讨了信道估计算法的改进方法,特别是引入中心化处理作为数据预处理的一部分。中心化处理通过调整数据的均值来减少低频噪声,从而提高信噪比(Signal-to-Noise Ratio,SNR)。这不仅提升了信道估计的准确性,还降低了算法实现的复杂度,加快了模型的训练速度并提高了收敛效率。此外,还采用了因子分解的方法对张量进行分解,进一步降低了计算复杂度并提高了估计精度。仿真实验结果表明,改进后的算法不仅具有更高的准确度,而且在低SNR环境下表现出更优越的性能。