面向分裂式学习的 LoRa 调制
信号处理
2024-05-28 v2
摘要
本文提出一种用于通信信道上分裂式学习（SL）的任务导向通信设计。我们的方法涉及表达型神经网络（ENN），一种基于离散余弦变换（DCT）具有自适应激活函数（AAF）的新型神经网络。该架构不仅提供更好的学习能力，还便于使用长距离（LoRa）调制进行数据传输。LoRa 的频域特性适于问题的通信侧，同时允许在接收端构造 AAF。此外，我们提出正交线性调频 division 复用（OCDM）用于多址接入，以及一种旨在保持通信带宽的改进调制。实验结果表明该方案的有效性，在包括低信噪比（SNR）及加性白高斯噪声（AWGN）与瑞利衰落信道均缺失信道状态信息（CSI）的挑战性场景下达到高准确率。
引用
@article{arxiv.2308.00449,
title = {LoRa Modulation for Split Learning},
author = {Marc Martinez-Gost and Ana Pérez-Neira and Miguel Ángel Lagunas},
journal= {arXiv preprint arXiv:2308.00449},
year = {2024}
}
备注
Accepted in 2023 IEEE International Workshop on Computational Advances in Multi-Sensor Adaptive Processing (CAMSAP 2023)