利用编码增益的神经网络均衡器
信号处理
2019-09-04 v2 机器学习
摘要
近年来，深度学习在许多领域取得了突破性进展，并受到广泛关注。鉴于此，深度学习辅助的通信系统近年来也吸引了大量关注，并有可能打破通信系统的传统设计规则。在这项工作中，我们提出了两类基于神经网络的均衡器，以利用卷积神经网络与循环神经网络之间的不同特性。传统基于块设计的均衡器可能破坏码结构并降低译码器的编码增益能力。相反，我们提出的方法不仅消除信道衰落，还利用码结构并提前利用编码增益，从而有效提高编码增益的整体利用率，获得超过 1.5 dB 的增益。
引用
@article{arxiv.1907.04980,
title = {Neural Network-based Equalizer by Utilizing Coding Gain in Advance},
author = {Chieh-Fang Teng and Han-Mo Ou and An-Yeu Wu},
journal= {arXiv preprint arXiv:1907.04980},
year = {2019}
}
备注
5 pages, 4 figures, accepted by the 2019 Seventh IEEE Global Conference on Signal and Information Processing