基于神经网络的盲相干前导检测
信息论
2021-10-07 v1 机器学习
math.IT
摘要
在无线通信系统中，用户设备（UE）向基站（BS）发送随机接入前导序列以被检测并同步。在标准化蜂窝通信系统中，由于其恒幅零自相关（CAZAC）特性，已提出使用 Zadoff-Chu 序列。常规方法是使用匹配滤波器检测序列。来自不同天线和时间实例的序列被求和以降低噪声方差。由于此阶段信道未知，相干合并方案将非常难以实现。在本文中，我们利用系统设计知识，提出了一种神经网络（NN）序列检测器与定时提前估计器。我们并非用 NN 替换前导检测的全部过程。相反，我们提议仅将 NN 用于检测器中的信号盲相干合并以补偿信道效应，从而最大化信噪比。我们进一步使用信道协方差矩阵的 Kronecker 近似模型降低了问题的复杂度，由此减小了所需 NN 的规模。我们进行了定时提前估计与序列检测的分析，并与匹配滤波器基线进行了比较。
引用
@article{arxiv.2110.02738,
title = {Blind Coherent Preamble Detection via Neural Networks},
author = {Jafar Mohammadi and Gerhard Schreiber and Thorsten Wild and Yejian Chen},
journal= {arXiv preprint arXiv:2110.02738},
year = {2021}
}
备注
6 pages, 5 figures, conference