大规模连接系统中干扰抑制的模型驱动深度学习方法
信号处理
2019-03-18 v1
摘要
我们提出了一种在存在强宽带干扰/阻塞信号时分离多个用户碰撞信号的方法。更具体地，我们考虑一种大规模连接场景，其中大量用户中少数配备扩频码的用户同步发送符号。接收信号是通过用户平坦衰落信道传输的符号受相对大功率快速跳频阻塞信号损伤的含噪混合信号。在缺乏适用于该场景的任何常规技术的情况下，我们提出了一种基于卷积神经网络的“模型驱动”深度学习方法，以从接收信号中抑制阻塞信号，并检测活跃用户及其发送的符号。对所提方法的数值研究证实了其在经典技术失效场景下的有效性。具体而言，在两个用户且宽带阻塞信号功率高于任何活跃用户功率 dB 的场景中，所提算法在很宽范围的 AWGN 方差下实现了 的错误率。
引用
@article{arxiv.1903.06266,
title = {Model-Driven Deep Learning Method for Jammer Suppression in Massive Connectivity Systems},
author = {Milutin Pajovic and Toshiaki Koike-Akino and Philip V. Orlik},
journal= {arXiv preprint arXiv:1903.06266},
year = {2019}
}
备注
5 pages, 5 figures