AWGN 与多径衰落条件下基于深度学习的候选集信道码参数盲识别
信号处理
2021-02-09 v2 信息论
机器学习
math.IT
摘要
我们考虑仅通过分析接收到的编码信号来在候选集上恢复信道码参数的问题。我们提出了一种基于深度学习的解决方案，其 I) 能够识别任何编码方案（如 LDPC、卷积码、Turbo 码和极化码）的信道码参数，II) 对多径衰落等信道损伤具有鲁棒性，III) 不需要任何关于信道状态或信噪比 (SNR) 的先验知识或估计，且 IV) 在检测正确码参数的概率方面优于相关工作。
引用
@article{arxiv.2009.07774,
title = {Deep-Learning Based Blind Recognition of Channel Code Parameters over Candidate Sets under AWGN and Multi-Path Fading Conditions},
author = {Sepehr Dehdashtian and Matin Hashemi and Saber Salehkaleybar},
journal= {arXiv preprint arXiv:2009.07774},
year = {2021}
}
备注
accepted for publication in IEEE Wireless Communications Letters