无线通信中的信道类型识别：一种深度学习方法
信号处理
2021-02-05 v3
摘要
本文提出两种新颖且实用的基于深度学习的算法来解决无线信道类型（WCT）识别问题。具体而言，由于其相似性，WCT 识别问题被重塑为深度学习中的分类问题，其中深度神经网络（DNN）使用面向第五代（5G）及后 5G 无线通信的多种典型 WCT 进行离线训练，随后用于执行在线 WCT 判定。在第一种算法中，一种 WCT 被视为单一任务。而在第二种方案中，一种 WCT 由若干独立特征联合刻画，每个特征被视为一个任务并通过以多任务学习方式训练 DNN 分别分类，最终 WCT 由这些信道特征的组合来识别。仿真结果表明，所提算法能够以高准确度瞬时分类各种 WCT，获得令人满意的块错误率与吞吐量，并优于一种具有代表性的基线 WCT 判定方案。
引用
@article{arxiv.2010.07052,
title = {Channel Type Recognition in Wireless Communications: A Deep Learning Approach},
author = {Shu Sun and Xiaofeng Li and Sungho Moon},
journal= {arXiv preprint arXiv:2010.07052},
year = {2021}
}