基于深度学习的超奈奎斯特信令符号打包比盲估计
信号处理
2019-12-30 v2
摘要
本文提出一种基于前沿深度学习(DL)技术的超奈奎斯特(FTN)信令符号打包比盲估计方法。符号打包比是获取真实符号率并通过计算码间干扰(ISI)从接收符号中恢复原始符号的重要参数。据我们所知，这是FTN信令中首个有效的符号打包比估计方法，并通过数值仿真展示了其对信噪比(SNR)的快速收敛性与鲁棒性。得益于所提出的盲估计，基于打包比、无需专用信道或控制帧的自适应FTN传输得以实现。此外，基于秘密符号打包比的安全FTN通信也可被轻易破解。
引用
@article{arxiv.1907.05606,
title = {Deep Learning based Blind Symbol Packing Ratio Estimation for Faster-than-Nyquist Signaling},
author = {Peiyang Song and Fengkui Gong and Qiang Li},
journal= {arXiv preprint arXiv:1907.05606},
year = {2019}
}
备注
Accepted by Electronics Letters