近似消息传递增强的图神经网络用于 OTFS 数据检测
信号处理
2024-04-16 v2 信息论
math.IT
摘要
正交时频空（OTFS）调制已成为支持高移动性无线通信的有前景的解决方案，其中具有成本效益的数据检测器至关重要。虽然基于图神经网络（GNN）的数据检测器可以在合理的计算成本下实现不错的检测精度，但它们未能充分利用传输数据的先验信息。为了进一步最小化 OTFS 系统的数据检测误差，本文开发了一种基于 AMP-GNN 的检测器，利用近似消息传递（AMP）算法迭代改进 GNN 的符号估计。鉴于多普勒间干扰（IDI）符号会给构建的 GNN 带来巨大的计算开销，实施了基于学习的 IDI 近似以维持低检测复杂度。仿真结果表明，与现有基线相比，所提出的基于 AMP-GNN 的检测器实现了显著的误码率（BER）性能。同时，所提出的 IDI 近似方案避免了大量计算，且 BER 下降可忽略不计。
引用
@article{arxiv.2402.10071,
title = {Approximate Message Passing-Enhanced Graph Neural Network for OTFS Data Detection},
author = {Wenhao Zhuang and Yuyi Mao and Hengtao He and Lei Xie and Shenghui Song and Yao Ge and Zhi Ding},
journal= {arXiv preprint arXiv:2402.10071},
year = {2024}
}
备注
8 pages, 7 figures, and 3 tables. Part of this article was submitted to IEEE for possible publication