一种新颖的领域感知CNN架构用于超奈奎斯特信号检测
信号处理
2025-07-22 v1
摘要
本文提出了一种基于卷积神经网络(CNN)的检测器,用于超奈奎斯特(FTN)信令,该检测器采用结构化的固定核层和领域信息掩码来减轻码间干扰(ISI)。与使用滑动核的标准CNN不同,所提出的方法利用固定位置核直接捕获中心符号不同距离处的ISI效应。还引入了一种分层滤波器分配策略,为早期层分配更多滤波器以处理强ISI模式,为后期层分配较少滤波器以处理较弱模式。这种设计提高了检测精度,同时减少了冗余操作。仿真结果表明,对于τ ≥ 0.7,该检测器实现了接近最优的误码率(BER)性能,与BCJR算法紧密匹配,并且对于BPSK和QPSK,与M-BCJR相比,计算增益分别高达46%和84%。与其他方法的比较分析进一步突出了所提出方法的效率和有效性。据我们所知,这是文献中首次将固定核CNN架构专门用于FTN检测。
引用
@article{arxiv.2507.15291,
title = {A Novel Domain-Aware CNN Architecture for Faster-than-Nyquist Signaling Detection},
author = {Osman Tokluoglu and Enver Cavus and Ebrahim Bedeer and Halim Yanikomeroglu},
journal= {arXiv preprint arXiv:2507.15291},
year = {2025}
}
备注
6 pages, 8 figures