基于深度多任务学习的失真射频组件辨识
信号处理
2022-07-06 v1
摘要
高质量的射频（RF）组件对于高效无线通信至关重要。然而，这些组件会随时间退化，需要被辨识以便更换或补偿其影响。这些组件的辨识可通过观测和分析星座图来完成。但是，在存在多种失真的情况下，隔离并辨识导致退化的 RF 组件非常具有挑战性。本文强调了失真 RF 组件辨识的困难及其重要性。此外，提出了一种深度多任务学习算法，用于在具有挑战性的场景中辨识失真组件。大量仿真表明，所提算法能在不同场景下以高精度自动检测多个失真 RF 组件。
引用
@article{arxiv.2207.01707,
title = {Identification of Distorted RF Components via Deep Multi-Task Learning},
author = {Mehmet Ali Aygul and Ebubekir Memisoglu and Hakan Ali Cirpan and Huseyin Arslan},
journal= {arXiv preprint arXiv:2207.01707},
year = {2022}
}