基于深度学习的带衰落无线通信信道建模
信息论
2024-10-28 v1 信号处理
math.IT
摘要
在无线通信领域，信道的随机建模对于运行系统的评估和设计至关重要。深度学习神经网络（DLNN），包括生成对抗网络（GAN），正被用于使用真实测量数据来近似具有衰落和噪声的无线正交频分复用（OFDM）信道。这些模型主要关注给定输入x时信道输出y的分布：p(y|x)，限制了其应用范围。DLNN信道模型主要针对简单的模拟信道进行了测试。在本文中，我们构建了GAN和前馈神经网络（FNN）来近似一个更通用的信道模型，该模型由接收信号或节点接收功率Prx的条件概率密度函数（PDF）表示：f_{Prx|d}()，其中d是通信距离。我们训练并测试了随机模型对衰落信道对OFDM QAM调制信号传输以及通用信号（无论调制方式）传输的影响。提出了新的指标来评估建模精度，并比较基于GAN的模型和基于FNN的模型。在Nakagami衰落信道上的大量实验显示了这些方法的准确性和有效性。
引用
@article{arxiv.2312.06849,
title = {Deep Learning based Modeling of Wireless Communication Channel with Fading},
author = {Lee Youngmin and Ma Xiaomin and Lang S. I. D. Andrew and Valderrama-Araya F. Enrique and Chapuis L. Andrew},
journal= {arXiv preprint arXiv:2312.06849},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication