基于深度卷积学习的广义频分复用索引调制检测器
信号处理
2022-02-08 v1 人工智能
摘要
本文针对广义频分复用索引调制（GFDM-IM）方案，提出了一种基于深度卷积神经网络的符号检测与解调方法，以改善系统的误码性能。所提方法首先利用迫零（ZF）检测器对接收信号进行预处理，随后使用一个由卷积神经网络（CNN）和全连接神经网络（FCNN）组成的神经网络。FCNN部分仅使用两个全连接层，可进行调整以在复杂度和误码率（BER）性能之间取得折衷。这种两阶段方法避免了神经网络陷入鞍点，并使索引调制块能够独立处理。已证明，所提出的基于深度卷积神经网络检测与解调方案相比ZF检测器具有更好的BER性能，且复杂度增加合理。我们得出结论，在非正交波形结合索引调制方案并借助深度学习的帮助下，是未来无线网络中一种有前景的物理层（PHY）方案。
引用
@article{arxiv.2202.02876,
title = {Deep Convolutional Learning-Aided Detector for Generalized Frequency Division Multiplexing with Index Modulation},
author = {Merve Turhan and Ersin Öztürk and Hakan Ali Çırpan},
journal= {arXiv preprint arXiv:2202.02876},
year = {2022}
}