基于正交近似消息传递的无 CP OFDM 深度学习
信号处理
2019-05-08 v1 机器学习
摘要
对于无循环前缀（CP）的正交频分复用（OFDM）系统，信道估计与信号检测极具挑战性。本文采用基于正交近似消息传递的深度学习（DL-OAMP）来解决这些问题。DL-OAMP 接收机包含一个信道估计神经网络（CE-Net）和一个基于 OAMP 的信号检测神经网络，称为 OAMP-Net。CE-Net 由最小二乘信道估计算法初始化，并由最小均方误差（MMSE）神经网络精炼。OAMP-Net 通过展开迭代 OAMP 算法并加入若干可训练参数建立，以提升检测性能。DL-OAMP 接收机复杂度低，且仅需一次训练即可估计时变信道。仿真结果表明，对于高阶调制，所提方案的误码率（BER）低于对比算法。
引用
@article{arxiv.1905.02541,
title = {Deep Learning Based on Orthogonal Approximate Message Passing for CP-Free OFDM},
author = {Jing Zhang and Hengtao He and Chao-Kai Wen and Shi Jin and Geoffrey Ye Li},
journal= {arXiv preprint arXiv:1905.02541},
year = {2019}
}
备注
5 pages, 4 figures, updated manuscript, International Conference on Acoustics, Speech and Signal Processing (ICASSP 2019). arXiv admin note: substantial text overlap with arXiv:1903.04766