唯一字OFDM系统中基于神经网络的数据估计方法
信息论
2022-11-14 v1 信号处理
math.IT
摘要
自数字通信伊始，数据估计便由基于模型的估计方法完成。然而，受机器学习日益成功的推动，当前研究聚焦于以数据驱动方法（主要为神经网络，NNs）替代基于模型的数据估计方法。本工作中，我们特别研究将既有模型知识融入数据驱动方法，预期可实现复杂度降低及/或性能提升。我们描述了三种不同选项，即“模型启发”的预处理、受底层通信系统特性驱动的NN架构选择，以及借助模型知识推断NN的层结构。当前大多数关于NN数据估计的文献涉及通用多输入多输出通信（MIMO）系统。本工作中，我们研究所谓唯一字正交频分复用（UW-OFDM）系统中基于NN的数据估计。我们阐明了在将NN用于数据估计时，UW-OFDM系统与普通MIMO系统间须留意的差异，并给出在UW-OFDM系统中成功运用NN数据估计器的措施。进一步，我们研究了在信道编码数据传输情形下NN用于数据估计的问题，并提出相应调整，使NN数据估计器在此情形下具备令人满意的性能。我们就所达比特误码率性能与计算复杂度比较了所述NN，展示了其数据估计值的特殊分布，并指出相较基于模型的均衡器它们的不足之处。
引用
@article{arxiv.2211.06054,
title = {Neural Network Approaches for Data Estimation in Unique Word OFDM Systems},
author = {Stefan Baumgartner and Gergő Bognár and Oliver Lang and Mario Huemer},
journal= {arXiv preprint arXiv:2211.06054},
year = {2022}
}