基于ML的动态信道在线联合信道估计与MIMO解码
信号处理
2024-10-15 v1
摘要
本文提出了一种利用复值神经网络(CVNNs)在大规模MIMO-OFDM系统中进行联合信道估计与解码的在线方法。该研究评估了多种CVNNs的性能，包括复值前馈神经网络(CVFNN)、分裂复前馈神经网络(SCFNN)、复径向基函数(C-RBF)、全复径向基函数(FC-RBF)和相位透射径向基函数(PT-RBF)，在真实的5G通信场景中进行测试。结果表明在均方误差(MSE)、收敛性和误码率(BER)精度方面均有提升。C-RBF和PT-RBF架构展现出最有前景的结果，表明基于RBF的CVNNs为复杂且嘈杂的通信环境提供了一种可靠且高效的解决方案。这些发现对将先进神经网络技术应用于下一代无线系统具有潜在意义。
引用
@article{arxiv.2408.08186,
title = {Online ML-based Joint Channel Estimation and MIMO Decoding for Dynamic Channels},
author = {Luiz Fernando Moreira Teixeira and Vinicius Henrique Luiz and Jonathan Aguiar Soares and Kayol Soares Mayer and Dalton Soares Arantes},
journal= {arXiv preprint arXiv:2408.08186},
year = {2024}
}
备注
XLII Simp\'osio Brasileiro de Telecomunica\c{c}\~oes e Processamento de Sinais (SBrT 2024)