基于深度学习的 IEEE 802.11ah 包检测与载波频偏估计
信息论
2021-07-23 v3 信号处理
math.IT
摘要
基于 IEEE 802.11 标准的 Wi-Fi 系统是最流行的无线接口，其使用先听后说（LBT）方法进行信道接入。大多数基于 LBT 系统的显著特征是发射机使用位于数据之前的 preamble（前导码），以使接收机执行包检测与载波频偏（CFO）估计。前导码通常包含具有良好相关特性的训练符号重复，而传统数字接收机对包检测和 CFO 估计均应用基于相关的方法。然而，近年来，基于数据的机器学习方法正在颠覆物理层研究。尤其在基于深度学习（DL）的信道估计领域已展现出有前景的结果。在本文中，我们对使用传统方法与基于 DL 的方法进行包检测和 CFO 估计的性能与复杂度进行了分析。本研究的目的是探究在何种条件下基于 DL 的方法的性能接近甚至超越传统方法，以及在其性能逊于传统方法的条件下的情况。聚焦于新兴的 IEEE 802.11ah 标准，我们的研究同时使用了基于标准的仿真环境，以及基于软件定义无线电的真实世界测试平台。
关键词
引用
@article{arxiv.2004.11716,
title = {Deep Learning Based Packet Detection and Carrier Frequency Offset Estimation in IEEE 802.11ah},
author = {Vukan Ninkovic and Aleksandar Valka and Dejan Dumic and Dejan Vukobratovic},
journal= {arXiv preprint arXiv:2004.11716},
year = {2021}
}
备注
13 pages, journal publication