超奈奎斯特信令的接收机设计:基于深度学习的架构
信号处理
2020-08-03 v7
摘要
超奈奎斯特(FTN)是一种以额外码间干扰(ISI)为代价提升带宽利用率的有前景范式。本文中,我们将最先进的深度学习(DL)技术应用于 FTN 信令的接收机设计,并提出两种基于 DL 的新架构。首先,我们提出一种基于 DL 的 FTN 信号检测,并将其与连续干扰消除(SIC)相连以替代传统检测算法。仿真结果表明该架构在有无编码场景下均可达到近最优性能。此外,我们提出一种基于 DL 的 FTN 信令联合信号检测与解码架构,以替代传统 FTN 接收机中的完整基带部分。该新架构的性能亦由仿真结果展示。最后,所提两种基于 DL 的接收机架构均对信噪比(SNR)具有鲁棒性。简而言之,DL 已被证明是 FTN 接收机设计的有力工具。
引用
@article{arxiv.1811.02764,
title = {Receiver Design for Faster-than-Nyquist Signaling: Deep-learning-based Architectures},
author = {Peiyang Song and Fengkui Gong and Qiang Li and Guo Li and Haiyang Ding},
journal= {arXiv preprint arXiv:1811.02764},
year = {2020}
}
备注
Accepted by IEEE Access