基于广线性增强极限学习机的卫星通信损伤补偿
信号处理
2025-06-23 v2
摘要
卫星通信对于超越第五代网络的演进至关重要。然而，卫星信道的动态特性及其固有损伤带来了重大挑战。本文开发了一种新颖的后补偿方案，将复值增强极限学习机（CELMAH）架构与广线性处理（WLP）相结合，通过利用卫星通信中的信号非真性来解决这些问题。尽管CELMAH在结构上与WLP相似，但它采用了不同的核心算法，并未充分利用信号非真性。通过引入WLP原理，我们推导了适用于网络结构的定制化公式，并提出了用于后失真的广线性最小二乘增强极限学习机（CELM-WLLS）。所提出的方法增强了通信鲁棒性，在动态信道条件和非线性损伤特征的卫星通信场景中高度有效。CELM-WLLS旨在改善信号恢复性能，并超越传统方法如最小二乘（LS）和最小均方误差（MMSE）。与CELMAH相比，CELM-WLLS在BER性能上实现了约0.8 dB的增益，同时计算复杂度降低了三分之二，使其成为更高效的解决方案。
引用
@article{arxiv.2506.14557,
title = {Widely Linear Augmented Extreme Learning Machine Based Impairments Compensation for Satellite Communications},
author = {Yang Luo and Arunprakash Jayaprakash and Gaojie Chen and Chong Huang and Qu Luo and Pei Xiao},
journal= {arXiv preprint arXiv:2506.14557},
year = {2025}
}
备注
12 pages, accepted for pulication in IEEE Transactions on Vehicular Technology