用于 OTFS 系统的基于图的无训练神经网络检测器
信号处理
2024-11-26 v1
摘要
由移动反射体引起的载波间干扰（ICI）在高速移动环境中显著降低了传统正交频分复用（OFDM）的性能。正交时频空间（OTFS）调制系统在时延-多普勒域中有效表示了 ICI，从而显著优于 OFDM。现有的基于迭代和神经网络（NN）的 OTFS 检测器在无训练环境中存在高复杂矩阵运算和性能下降的问题，在这些环境中，真实无线信道与训练中使用的信道不匹配，这在真实无线网络中经常发生。在本文中，我们提出将从估计的信道状态信息（CSI）中提取的干扰先验知识作为有向图嵌入到解码器无训练神经网络（DUNN）中，即基于图的 DUNN（GDUNN）。然后，我们将其与贝叶斯并行干扰消除（BPIC）相结合用于 OTFS 符号检测，得到 GDUNN-BPIC。仿真结果表明，所提出的 GDUNN-BPIC 在不完美 CSI 下优于最先进的 OTFS 检测器。
引用
@article{arxiv.2404.05191,
title = {Graph-based Untrained Neural Network Detector for OTFS Systems},
author = {Hao Chang and Branka Vucetic and Wibowo Hardjawana},
journal= {arXiv preprint arXiv:2404.05191},
year = {2024}
}