基于神经网络的 OFDM 系统 PAPR 降低：数据广泛性的案例研究
信号处理
2026-02-09 v1
摘要
在[1]中，我们引入了一种用于降低 OFDM 系统 PAPR 的神经网络。然而，该原始研究未包含明确的广泛性测试，以评估该神经网络在先前未见数据上的性能，这阻碍了对模型鲁性和在多样化场景下可应用性的全面评估。为弥补这一差距，我们进行了额外的广泛性评估，结果见于本案例研究。这些结果既补充又细化了[1]中报告的原始分析。最重要的是，初始研究的总体结论仍然有效：该神经网络仍能将 PAPR 水平降低到所需的参考值，同时计算成本更低，确认了该方法在更广泛的设置下具有有效性和实际可应用性。
引用
@article{arxiv.2602.06156,
title = {PAPR Reduction in OFDM Systems Using Neural Networks: A Case Study on the Importance of Dataset Generalization},
author = {Bianca S. de C. da Silva and Pedro H. C. de Souza and Luciano L. Mendes},
journal= {arXiv preprint arXiv:2602.06156},
year = {2026}
}