面向URLLC中OTFS传输的深度学习赋能预测性预编码器设计
信息论
2023-04-24 v1 信号处理
math.IT
摘要
为保证超可靠低时延通信(URLLC)中优异的可靠性性能,实用的预编码器设计是一种有效途径。然而,高效的预编码器设计高度依赖于发射端准确的瞬时信道状态信息(ICSIT),而其在实践中并非总可获得。为克服该问题,本文聚焦于基于正交时频空(OTFS)的URLLC系统,并采用深度学习(DL)方法直接预测下一时间帧的预编码器,以通过隐式利用延迟-多普勒域中估计历史信道的特征来最小化帧错误率(FER)。由此,即便在无ICSIT知识时,我们也能保障系统可靠性。为此,构建了通用预编码器设计问题,并专门推导了闭式理论FER表达式以刻画系统可靠性。进而,提出一种延迟-多普勒域信道感知的卷积长短期记忆(CLSTM)网络(DDCL-Net)用于预测性预编码器设计。特别地,所提神经网络同时采用卷积神经网络与LSTM模块,以利用无线信道的时空特征提升学习性能。最后,仿真结果表明所提方法的FER性能接近于完美ICSI辅助方案。
引用
@article{arxiv.2304.10723,
title = {Deep Learning-empowered Predictive Precoder Design for OTFS Transmission in URLLC},
author = {Chang Liu and Shuangyang Li and Weijie Yuan and Xuemeng Liu and Derrick Wing Kwan Ng},
journal= {arXiv preprint arXiv:2304.10723},
year = {2023}
}
备注
8 pages, 6 figures