RiSi：面向 OFDMA 信号的频谱-时域 RAN 无关调制识别

RAN 无关通信能够在无任何先验知识的情况下识别未知信号的内在特征，借此同一免授权频段中不兼容的 RAN 可取得优于当今基于 LBT 共存方式的共存性能。盲调制识别是其关键组成部分，即在无任何先验知识下盲识别不兼容信号的调制类型。近期的盲调制识别方案构建于深度神经网络之上，但仅限于单载波信号识别，因而难以实用化地识别调制随时间和频率变化的频谱-时域 OFDMA 信号。为此，本文提出 RiSi，一种设计用于 OFDMA 频谱图的语义分割神经网络，其采用扁平化卷积以更好地识别 OFDMA 资源块的网格状模式。我们使用包含多种信道损伤的真实 OFDMA 数据集训练 RiSi，在 BPSK、QPSK、16-QAM、64-QAM 四种调制类型上平均取得了 86% 的调制识别准确率。随后，我们将 FFT 大小或 CP 长度的变化视为不同域，应用域泛化方法增强 RiSi 的泛化性能，表明经此泛化的 RiSi 能在未见过的数据上表现良好。