BriefGPT.xyz
Ask
alpha
关键词
ofdm signals
搜索结果 - 4
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
→
PDF
2 years ago
MM
高 EVM 信号的深度学习接收器 ——HybridDeepRx
本文提出了一种基于机器学习的物理层接收器解决方案，用于解调受到高非线性失真影响的 OFDM 信号。该方案采用卷积神经网络接收器，在时域和频域中都包含了层，可以可靠地解调和译码传输的比特，特别是当转移信号的误差向量幅度为高时，可以显著优于传统
→
PDF
3 years ago
MM
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
→
PDF
6 years ago
基于深度学习网络的 OFDM 系统频谱感知方法
本文提出了两种基于深度学习网络的 OFDM 信号感知框架，分别为 SAE-SS 和 SAE-TF，与传统的 OFDM 感知方法相比，这两种方法可以更好地处理噪声不确定性、时延和载波频偏，同时提高了感知准确度。
PDF
6 years ago
Prev
Next