使用对抗网络的盲且信道无关均衡
信号处理
2022-09-16 v1 信息论
机器学习
math.IT
摘要
由于自动驾驶、物联网和流媒体服务的快速发展，现代通信系统必须应对变化的信道条件以及持续增长的用户和设备数量。这一点，加上仍不断上升的带宽需求，只能通过智能网络自动化来满足，而这需要高度灵活且盲的收发机算法。为应对这些挑战，我们提出了一种新颖的自适应均衡方案，其利用深度学习的蓬勃发展，通过对抗网络训练均衡器。学习仅基于发射信号的统计特性，因此关于实际发射符号是盲的，且对信道模型无关。所提方法独立于均衡器拓扑，并支持应用强大的基于神经网络的均衡器。本工作中，我们在不同——线性和非线性——传输信道的仿真中证明了该概念，并展示了所提盲学习方案接近非盲均衡器性能的能力。此外，我们提供了理论视角并强调了该方法的挑战。
引用
@article{arxiv.2209.07277,
title = {Blind and Channel-agnostic Equalization Using Adversarial Networks},
author = {Vincent Lauinger and Manuel Hoffmann and Jonas Ney and Norbert Wehn and Laurent Schmalen},
journal= {arXiv preprint arXiv:2209.07277},
year = {2022}
}
备注
Accepted and to be presented at the IEEE GLOBECOM 2022 conference