深度学习在 OFDM 系统信道估计与信号检测中的能力
信息论
2017-08-30 v1 math.IT
摘要
本文介绍了我们在正交频分复用（OFDM）的信道估计和信号检测深度学习方面的初步成果。OFDM 已被广泛应用于无线宽带通信中，以对抗无线信道中的频率选择性衰落。在本文中，我们利用深度学习以端到端的方式处理无线 OFDM 信道。现有的 OFDM 接收机首先显式估计 CSI，然后利用估计的 CSI 检测/恢复传输符号，与此不同，我们基于深度学习的方法隐式估计 CSI 并直接恢复传输符号。为了解决信道失真，首先使用基于信道统计的仿真生成的数据离线训练深度学习模型，然后将其用于直接恢复在线传输数据。从我们的仿真结果来看，基于深度学习的方法能够处理信道失真并检测传输符号，其性能可与最小均方误差（MMSE）估计器相当。此外，当使用较少的训练导频、省略循环前缀（CP）以及存在非线性削波噪声时，基于深度学习的方法比传统方法更鲁棒。总之，深度学习是具有复杂信道失真和干扰的无线通信中用于信道估计和信号检测的有前景的工具。
引用
@article{arxiv.1708.08514,
title = {Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems},
author = {Hao Ye and Geoffrey Ye Li and Biing-Hwang Fred Juang},
journal= {arXiv preprint arXiv:1708.08514},
year = {2017}
}