面向物理层无线通信中信号解调的深度学习:原型平台、开放数据集与分析
信号处理
2019-03-12 v1 机器学习
机器学习
摘要
本文研究基于深度学习(DL)的信号解调方法,并建立首个用于无线通信系统的真实调制信号开放数据集。具体地,我们提出一种用于测量真实调制数据集的灵活通信原型平台。随后,基于所测数据集,提出两种基于DL的解调器,称为深度信念网络(DBN)-支持向量机(SVM)解调器与基于自适应提升(AdaBoost)的解调器。所提DBN-SVM解调器结合了DBN与SVM的优势,即DBN作为特征提取器与SVM作为特征分类器的优势。在DBN-SVM解调器中,接收信号在送入DBN网络前先进行归一化。此外,开发了基于AdaBoost的解调器,其采用近邻(KNN)作为弱分类器以构成强组合分类器。最后,实验结果表明所提DBN-SVM解调器与AdaBoost解调器优于使用DBN、SVM及基于最大似然(MLD)的单分类解调器。
引用
@article{arxiv.1903.04297,
title = {Deep Learning for Signal Demodulation in Physical Layer Wireless Communications: Prototype Platform, Open Dataset, and Analytics},
author = {Hongmei Wang and Zhenzhen Wu and Shuai Ma and Songtao Lu and Han Zhang and Guoru Ding and Shiyin Li},
journal= {arXiv preprint arXiv:1903.04297},
year = {2019}
}