ComNet：深度学习与专家知识在 OFDM 接收机中的结合
信号处理
2018-10-23 v1 信息论
math.IT
摘要
在本文中，我们提出一种模型驱动的深度学习（DL）方法，将 DL 与专家知识相结合，以替代无线通信中现有的正交频分复用（OFDM）接收机。与数据驱动的完全连接深度神经网络（FC-DNN）方法不同，我们采用分块信号处理的方法，将接收机划分为信道估计子网络和信号检测子网络。每个子网络由一个 DNN 构建，并使用现有的简单传统解作为初始化。所提出的模型驱动 DL 接收机相比线性最小均方误差（LMMSE）方法提供了更精确的信道估计，并且相比现有方法和 FC-DNN 展现出更高的数据恢复精度。仿真结果进一步证明了该方法在信噪比方面的鲁棒性，以及其在计算复杂度或内存使用上相对于 FC-DNN 方法的优越性。
引用
@article{arxiv.1810.09082,
title = {ComNet: Combination of Deep Learning and Expert Knowledge in OFDM Receivers},
author = {Xuanxuan Gao and Shi Jin and Chao-Kai Wen and Geoffrey Ye Li},
journal= {arXiv preprint arXiv:1810.09082},
year = {2018}
}