基于轻量一维 CNN 的 CIR 不确定 OFDM 系统时序同步
信号处理
2022-09-15 v1
摘要
本文提出一种基于轻量一维卷积神经网络（1-D CNN）的时序同步（TS）方法，以在正交频分复用（OFDM）系统中降低计算复杂度与处理延迟并保持定时精度。具体而言，首先将 TS 任务转化为基于深度学习（DL）的分类任务，然后将基于压缩感知（CS）的 TS 策略的三次迭代简化为一个轻量网络，其 CNN 层经专门设计以突出分类特征。此外，为增强所提方法对信道冲激响应（CIR）不确定性的泛化性能，利用对传播延迟的放宽限制来扩充训练数据的完备性。数值结果表明，所提基于 1-D CNN 的 TS 方法有效提升了 TS 精度，降低了计算复杂度与处理延迟，并对 CIR 不确定性具有良好的泛化性能。所提方法的源代码见 https://github.com/qingchj851/CNNTS。
引用
@article{arxiv.2209.06451,
title = {Lightweight 1-D CNN-based Timing Synchronization for OFDM Systems with CIR Uncertainty},
author = {Chaojin Qing and Shuhai Tang and Xi Cai and Jiafan Wang},
journal= {arXiv preprint arXiv:2209.06451},
year = {2022}
}
备注
5 pages, 5 figures