Sep, 2023

机器学习辅助的 OTFS 与 OFDM 自适应调制解调器

PDF
TL;DR在本研究中，我们使用模拟结果验证了 Orthogonal-Time-Frequency-Space（OTFS）和 Orthogonal-Frequency-Division-Multiplexing（OFDM）之间的性能差异，并提出了基于深度神经网络（DNN）的自适应方案来优化均方误差（MSE）性能。通过观察信道条件、接收信噪比和调制格式，训练 DNN 分类器在发送器和接收器之间切换使用 OTFS 或 OFDM 信号处理链，仿真结果表明使用该方案可以显著提高通信的 MSE 性能。
发现论文，激发创造
  • 正交时频空调制

    该文介绍了一种新的二维调制技术，称为正交时频空调制。该技术在时延 - 多普勒域中设计，能够利用时间和频率的全部通道多样性，并将 OFDM 等调制信号经历的衰落、时变无线信道转换为具有基本恒定复杂信道增益的时间独立信道，从而消除了发射机适应性的需求，并大大简化了系统运行。模拟结果表明，在高多普勒、短数据包和 / 或大阵列系统中，OTFS 相对于 OFDM 可以至少提供几个分贝的误码率性能改进。

    Aug, 2018

  • AI 辅助的在线自适应 OFDM 接收机：设计和实验结果

    本研究比较了两种基于 AI 的 OFDM 接收机，通过广泛的模拟和实时视频传输进行实验，并开发了一种新型的在线训练系统 SwitchNet，以适应真实环境。试验结果表明 AI 辅助的 OFDM 接收机在未来的通信系统中很有前途。

    Dec, 2018

  • 基于神经网络的 OTFS 符号检测的二维滤波

    该研究介绍了一种新颖的二维时频空域 (Orthogonal Time Frequency Space, OTFS) 中的在线符号检测方法，该方法基于储备计算 (Reservoir Computing, RC) 技术，具有二维滤波结构以弥补 OTFS 系统中的两个维度循环信道影响，实验证明了该方法在不同调制阶数下相较于以往的 RC 方法和模型基方法的优势。

    Mar, 2024

  • OFDM 端到端学习：从神经接收器到无导频通信

    本研究针对频率和时间选择性衰落信道，探讨端到端学习在无线通信上的应用，通过神经网络接收机代替传统正交导频，并使用超定位信号，线性复合和优化星座几何图形等技术替换正交导频，实现了与基线方案相同的误比特率和相对 7％的吞吐量提高，表明协同学习的发射机和接收机是超越 5G 通信系统的一个有趣组成部分，可以消除解调参考信号的需求和相关控制开销。

    Sep, 2020

  • 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

  • 用于车联网的综合感知和通信辅助正交时频空传输

    本文提出了一种利用集成 (radar) 感知和通信技术 (ISAC) 辅助正交时间频率空间 (OTFS) 传输的方法，以便于在汽车通信系统中支持可靠的信息传输，并证明了其能够有效的降低训练开销和传输误差。

    May, 2021

  • OFDM 自编码器用于通信系统端到端学习

    通过基于深度神经网络的自编码器对带循环前缀的正交频分复用系统的端到端学习进行扩展，该实现具有与传统 OFDM 系统相同的优点，在频率选择性衰落通道上比较了自编码器系统与基线系统的性能，并研究了非线性放大器的影响。

    Mar, 2018

  • 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

  • SigT: 一种基于 Transformer 的高效端到端 MIMO-OFDM 接收机框架

    利用深度学习方法，提出了一种基于 transformer 的端到端 MIMO-OFDM 接收框架（SigT），该框架将每个天线接收到的信号视为 transformer 的 token，能够学习不同天线之间的空间相关性以缓解零样本问题，并且能够在无镶嵌序列的情况下良好地工作，提高了数据传输的有效性，并且相比于基准方法，SigT 在低信噪比环境或训练样本较少的环境下实现了更高的信号恢复准确性。

    Nov, 2022

  • 2D-RC：基于二维神经网络的 OTFS 符号检测方法

    一个基于二维嵌入具体知识来设计的二维嵌入系统网络 (2D-RC) 方法，可用于在线子帧基础上的符号检测。通过在时延 - 多普勒（DD）域中具有 2D 结构来平衡信道，并且只需要一个神经网络进行检测。实验结果表明，2D-RC 方法在不同 OTFS 系统变体和调制序列中的效果显著。

    Nov, 2023