Cascade-Net：一种用于 OFDM 检测的新型深度学习架构
信号处理
2018-12-04 v1 信息论
math.IT
摘要
本文考虑使用深度神经网络进行 OFDM 符号检测，并展示了其在对抗大多普勒频移方面的性能优势。具体而言，我们提出了一种名为 Cascade-Net 的新型检测架构，其中深度神经网络与迫零预处理器级联，以防止网络陷入鞍点或局部极小点。此外，我们提出了一种滑动检测方法，以检测具有大量子载波的 OFDM 符号。我们在具有大多普勒扩展的瑞利信道下评估了这一新架构以及滑动算法，该信道会降低 OFDM 系统的检测性能，且在高频段和毫米波通信中尤为严重。SISO 场景下 OFDM 检测的数值结果表明，cascade-net 相比迫零方法能获得更好的性能，同时对病态条件信道具有鲁棒性。我们还通过数值仿真展示了滑动级联网络（SCN）相比滑动迫零检测器具有更优的性能。
引用
@article{arxiv.1812.00023,
title = {Cascade-Net: a New Deep Learning Architecture for OFDM Detection},
author = {Qisheng Huang and Chunming Zhao and Ming Jiang and Xiaoming Li and Jing Liang},
journal= {arXiv preprint arXiv:1812.00023},
year = {2018}
}
备注
5 pages,5 figures