面向智能与更高频谱效率：基于超奈奎斯特与深度学习的可变封装比传输系统
信号处理
2023-01-20 v6
摘要
随着无线通信中各类业务的快速发展，频谱资源日益宝贵。20 世纪 70 年代提出的超奈奎斯特（FTN）信令是一种有望提升频谱利用率的范式。本文分别针对高频谱效率（SE）与高安全性，提出了基于智能可变封装比（VPR）的传输方案。在深度学习（DL）估计的辅助下，所提高频谱效率方案可在对现有通信范式（如频谱分配或帧结构）近乎零改动的情况下实现更高容量。此外，针对基于 VPR 的安全传输，提出了一种动态生成方案以产生随机分布的位置来切换封装比，从而有效规避检测与攻击。我们还为上述两种场景提出了简化的基于 DL 的封装比估计方法，使接收机无需任何带内或带外控制消息即可估计封装比。仿真结果表明，所提简化估计以 20 倍的复杂度降低，取得了与原始多分支全连接结构近乎相同的精度与收敛速度。最后，我们推导了所提 VPR 传输在不同信道下的闭式频谱效率。数值结果验证了推导的正确性，并展示了 VPR 方案相对传统奈奎斯特传输的频谱效率增益。
引用
@article{arxiv.2008.00162,
title = {For Intelligent and Higher Spectrum Efficiency: A Variable Packing Ratio Transmission System Based on Faster-than-Nyquist and Deep Learning},
author = {Peiyang Song and Nan Zhang and Lin Cai and Guo Li and Fengkui Gong},
journal= {arXiv preprint arXiv:2008.00162},
year = {2023}
}
备注
Received by IEEE Transactions on Wireless Communications