面向数字通信信号的数据驱动盲同步与干扰抑制

我们研究了数据驱动深度学习方法从两路通信信号的混合观测中分离信号的可能性。具体而言，我们假设已知其中一路信号（称为感兴趣信号，SOI）的生成过程，而对第二路信号（称为干扰）的生成过程一无所知。这种单通道源分离问题的形式也被称为干扰抑制。我们表明，捕获高分辨率时间结构（非平稳性），从而实现对 SOI 与干扰的精确同步，可带来显著的性能提升。基于这一关键见解，我们提出了一种领域感知的神经网络（NN）设计，能够优于“现成”的神经网络以及经典的检测与干扰抑制方法，正如我们的仿真所展示的那样。我们的发现凸显了通信专用领域知识在开发有潜力带来前所未有的增益的数据驱动方法中所起的关键作用。