基于深度学习的双模索引调制三维OFDM信号检测
信息论
2022-09-21 v1 信号处理
math.IT
摘要
本文中，我们提出一种称为DuaIM-3DNet的基于深度学习的信号检测器，用于基于双模索引调制的三维（3D）正交频分复用（DM-IM-3D-OFDM）。其中，DM-IM-3D-OFDM是一种子载波索引调制方案，通过双模3D星座符号和活跃子载波的索引来传输数据比特。因此，在使用传统最大似然（ML）检测器时，该方案比现有IM方案获得更好的误码性能，然而ML检测器计算复杂度高，尤其在系统参数增大时更为严重。为解决这一基本问题，我们提出在接收端使用深度神经网络（DNN），以数据驱动方式在瑞利衰落信道下联合可靠地检测DM-IM-3D-OFDM的符号与索引比特。仿真结果表明，与ML检测器相比，我们所提DNN检测器以显著更低的运行时间复杂度实现了近最优性能。
引用
@article{arxiv.2209.09521,
title = {Deep Learning-Based Signal Detection for Dual-Mode Index Modulation 3D-OFDM},
author = {Dang-Y Hoang and Tien-Hoa Nguyen and Vu-Duc Ngo and Trung Tan Nguyen and Nguyen Cong Luong and Thien Van Luong},
journal= {arXiv preprint arXiv:2209.09521},
year = {2022}
}