MMAug, 2020

基于深度学习的 OFDM 系统联合信道估计与信号检测

PDF
TL;DR本论文提出了一种基于深度学习的新方法，可以利用无线信道的时间和频率相关性来联合估计通道和信号检测，该方法中设计了一个 Channel Estimation Network（CENet）来替代传统的基于导频辅助的估计方案中的插值过程，并基于 CENet 的输出，设计了一个 Channel Conditioned Recovery Network（CCRNet）来恢复传输信号，实验结果表明，CENet 和 CCRNet 相比于传统的估计和检测方法具有更优越的性能，并且两个网络都显示出对参数变化的鲁棒性，这使它们具有实际应用的吸引力。
deep learningchannel estimationsignal detectionofdm systemswireless channels
发现论文，激发创造
  • OFDM 系统中通道估计和信号检测的深度学习能力

    通过深度学习来解决频率选择性衰落以及噪声问题，从而实现在 OFDM 系统中的信道估计和信号检测。

    Aug, 2017

  • 基于机器学习的 OFDM 系统中联合检测与信道估计方法

    本研究提出并比较了两种基于机器学习的 OFDM 系统联合检测 - 信道估计结构，分别使用深度神经网络 (DNN) 和极限学习机 (ELM) 架构来提高数据检测性能，并分析了误码率性能与计算复杂度之间的权衡，展示了提出的 DNN-OFDM 和 ELM-OFDM 检测器方法论的优越性。

    Apr, 2023

  • 神经网络解决的低复杂度信道估计

    本文研究了利用机器学习，特别是神经网络方法来进行无线通信信道估计问题，并且针对正交频分复用信号的下行场景，采用一个通用的残差卷积神经网络进行了实现，且利用简单的插值层来替换其他网络中的转置卷积层，减少了计算成本。与其他深度学习方法相比，对于 3GPP 信道模型，我们提出的方法表现出更优的均方误差性能。

    Jan, 2022

  • ComNet: 基于深度学习和专家知识的 OFDM 接收器组合

    本文提出了一种基于深度学习与专家知识相结合的模型驱动的正交频分复用接收器，采用逐块信号处理方法，在通道估计和信号检测子网中构建 DNN，相比于传统的简单解法 (LMMSE)，提供更精确的通道估计和更高的数据恢复精度，模拟结果进一步证明了该方法在信噪比和计算复杂性上优于 FC-DNN。

    Oct, 2018

  • 深度 OFDM 信道估计：捕捉频率循环

    基于深度学习的信道估计方案 (SisRafNet) 在正交频分复用（OFDM）系统中利用循环模型研究频率间信道的顺序行为，克服了传统的基于循环的方法存在的延迟和内存限制，提供了比现有深度学习信道估计技术更优异的性能，并在多个信噪比下验证了 3GPP 兼容信道场景的性能。

    Jan, 2024

  • TDD Massive MIMO OFDM 系统中的频道感知和混合预编码深度学习

    本文提出了一种面向多输入多输出系统的深度学习方法，用于信道侦测和下行混合波束成形，并通过使用神经网络设计模拟感知和混合下行预编码器，以及通过简化的方法学习上行感测矩阵和下行模拟预编码器，将系统性能显着改善。

    Nov, 2020

  • Deep-Waveform: 基于深度复杂卷积网络的学习型 OFDM 接收器

    本文提出了一种基于深度复数卷积网络 (DCCN) 的方案，用于从时域 OFDM 信号中恢复位，该方案利用 OFDM 波形的循环前缀 (CP) 以增加信噪比，并具有将 CP 利用，信道估计和 ISI 抑制相结合的优点。实验结果表明，DCCN 接收机在各种时延扩展和移动性的 Rayleigh 衰落信道中的性能优于传统方法。此外，以复数卷积层的实现为背景，为无线 PHY 设计和分析卷积网络提供了精确和近似实现的指南。

    Oct, 2018

  • 无线通信系统信号检测的通用深度神经网络

    本研究论文提出了一种新型的通用深度神经网络 (Uni-DNN)，可以在不需重新训练模型的情况下，在各种无线环境中实现高检测性能。该模型由无线信道分类器和信号检测器组成，可广泛适用于多种无线信道分布，通过使用卷积神经网络进一步提高信号检测性能，并在实际低导频密度场景中，较常规的基于深度学习的方法以及最小二乘和最小均方误差信道估计器具有更低的误码率性能。

    Apr, 2024

  • 基于深度神经网络 k-step 预测器的 5G MIMO 通信中的决策导向信道估计

    该研究使用深度神经网络发展一种决策定向通道估计算法，用于高动态车载环境下的多输入多输出空时分块编码系统，并且得到了比现有算法更佳的性能。

    Jan, 2019

  • 基于深度 CNN 的毫米波大规模 MIMO 系统信道估计

    本文探讨了深度 CNN 在厘米波 massive MIMO 系统的信道估计中的应用，提出了精简空间频率 CNN、空间频率时间 CNN 和减少空间导频开销 CNN，通过数值结果验证了 CNN 可以在降低复杂度的同时提高估计准确性的结论。

    Apr, 2019