基于CNN的分子通信中混合分子浓度检测
信号处理
2025-11-05 v1
摘要
分子通信（Molecular Communication, MC）是一种在传统电磁通信不可行的场景中寻求的范式。然而，解码化学信号，特别是在多发射器系统中，仍是由于干扰和复杂传播动力学而面临的关键挑战。本文开发了一种基于一维分形卷积神经网络（fractal CNN, fCNN），用于基于接收器处的吸光度谱线检测多种分子的浓度。我们的模型通过实验和模拟数据集进行训练，后者通过噪声建模增强以模拟真实世界的测量。我们证明，噪声增强的模拟数据集可以有效替代实验数据，实现类似的解码准确率。我们的ethods成功检测了在BCSK和QCSK场景下比特序列，即使发射器不同步，也显示出机器学习在鲁健MC信号检测方面的潜力。
引用
@article{arxiv.2511.02105,
title = {CNN-Based Detection of Mixed-Molecule Concentrations in Molecular Communication},
author = {Vivien Walter and Dadi Bi and Daniel L. Ruiz Blanco and Yansha Deng},
journal= {arXiv preprint arXiv:2511.02105},
year = {2025}
}