用于无线通信系统信号检测的通用深度神经网络
网络与互联网体系结构
2024-04-04 v1 人工智能
信息论
math.IT
摘要
近年来，深度学习（DL）已成为无线通信中信道估计和信号检测的一种有前途的方法。现有的大多数研究在探索DL技术在该领域的应用时，都侧重于分析仅来自一种信道分布（如加性高斯白噪声信道和瑞利信道）的信道脉冲响应。实际上，为了应对无线信道的动态特性，DL方法必须在新收集的非老化数据上重新训练，这成本高昂、效率低下且不切实际。为了解决这一挑战，本文提出了一种新颖的通用深度神经网络（Uni-DNN），它可以在各种无线环境中实现高检测性能，而无需重新训练模型。具体来说，我们提出的Uni-DNN模型由无线信道分类器和信号检测器组成，它们使用DNN构建。无线信道分类器使信号检测器能够泛化并在多种无线信道分布下实现最优性能。此外，为了进一步提高所提出模型的信号检测性能，采用了卷积神经网络。使用正交频分复用方案的大量仿真表明，在实际低导频密度场景中，我们提出的解决方案的误码率性能可以优于传统的基于DL的方法以及最小二乘和最小均方误差信道估计器。
引用
@article{arxiv.2404.02648,
title = {A Universal Deep Neural Network for Signal Detection in Wireless Communication Systems},
author = {Khalid Albagami and Nguyen Van Huynh and Geoffrey Ye Li},
journal= {arXiv preprint arXiv:2404.02648},
year = {2024}
}