低复杂度高速深度神经网络增强的无线信道估计
信号处理
2023-11-16 v1 硬件体系结构
摘要
无线接收机中的信道估计（CE）是最关键且计算复杂的信号处理操作之一。近来，多项工作表明基于深度学习（DL）的 CE 优于传统的基于最小均方误差（MMSE）的 CE，且对硬件友好。然而，基于 DL 的 CE 比广泛使用的基于最小二乘（LS）的 CE 具有更高的复杂度与延迟。本工作中，我们提出了一种用于 IEEE 802.11p 无线物理层的新型低复杂度高速深度神经网络增强最小二乘（LC-LSDNN）算法，并在 Zynq 片上系统（ZSoC）上高效实现。LC-LSDNN 的新颖之处在于对接收复符号的实部和虚部分别使用不同的 DNN。这有助于将 DL 规模缩减 59% 并优化关键路径，使其能以高 60% 的时钟频率运行。我们还探索了三种基于 MMSE 的 CE 架构。我们表明，在广泛的信噪比（SNR）范围与不同无线信道下，LC-LSDNN 显著优于 MMSE 与最先进的基于 DL 的 CE。同时，其计算高效，所需资源比现有基于 DL 的 CE 约低 50%。
引用
@article{arxiv.2311.08689,
title = {Low Complexity High Speed Deep Neural Network Augmented Wireless Channel Estimation},
author = {Syed Asrar ul haq and Varun Singh and Bhanu Teja Tanaji and Sumit Darak},
journal= {arXiv preprint arXiv:2311.08689},
year = {2023}
}