基于前导的 Wi-Fi 包检测：一种深度学习方法
信号处理
2021-03-30 v1 信息论
math.IT
摘要
基于 IEEE 802.11 系列标准、工作于免许可频段的 Wi-Fi 系统是使用先听后说（LBT）方法进行信道接入的最流行无线接口。多数基于 LBT 的系统的显著特征是发射机在数据之前使用前导，以使接收机能够进行初始信号检测与同步。接收机在模数转换后对输入的离散时间复基带采样所施加的第一个数字处理步骤是包检测步骤，即检测输入流中到达的各帧的初始采样。由于前导通常包含具有良好相关特性的训练符号重复，传统数字接收机采用基于相关的方法进行包检测。随着近期基于数据的深度学习（DL）方法在物理层信号处理中受到关注，本文以基于 DL 的 Wi-Fi 包检测方法挑战传统方法。利用一维卷积神经网络（1D-CNN），我们给出了传统与基于 DL 的 Wi-Fi 包检测方法之间详细的复杂度与性能分析及比较。
引用
@article{arxiv.2009.05740,
title = {Preamble-Based Packet Detection in Wi-Fi: A Deep Learning Approach},
author = {Vukan Ninkovic and Dejan Vukobratovic and Aleksandar Valka and Dejan Dumic},
journal= {arXiv preprint arXiv:2009.05740},
year = {2021}
}
备注
arXiv admin note: substantial text overlap with arXiv:2004.11716