symbol detection | BriefGPT

关键词symbol detection

搜索结果 - 12

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
PDF4 months ago
基于数据驱动因子图的盲信道估计与联合符号检测
我们研究了因子图框架在时间变化的线性符号间干扰信道上盲联合信道估计和符号检测的应用。我们提出了一种基于置信传播算法的后验概率的有效逼近方法，并通过交织后验传播和期望最大化算法的迭代，将检测复杂性进一步降低为每个期望最大化步骤的单个后验传播迭
PDF5 months ago
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 OT
PDF8 months ago
动态信道干扰取消 GAN 框架
本研究提出了一种在线训练框架，用于快速适应于任何通道变化，以保持模型的最佳性能，该框架将最新的深度展开方法与对抗生成网络相结合，以捕获通道的任何变化并迅速调整网络，在高动态通道上显著优于最近的神经网络模型，并在我们的实验中甚至超过静态通道的
PDF2 years ago
MM基于因子图的符号检测神经增强
本文研究了因子图框架在线性符号干扰通道上的符号检测应用，并提出了利用神经增强的策略来改善循环因子图基于符号检测算法的性能的方法。特别是，在因子图中应用神经置信传播可有效消除循环的影响。此外，我们还提出了对信道输出的线性预处理应用和优化，可以
PDF2 years ago
基于深度卷积学习辅助的带索引调制广义分频多路复用检测器
本文提出了一种基于深度卷积神经网络的符号检测和解调技术，用于改进广义频分复用与索引调制方案 (GFDM-IM) 的误差表现。通过使用零强制 (ZF) 探测器和神经网络处理，有效防止神经网络卡在鞍点上，并提供了更好的误比特率性能，是未来无线网
PDF2 years ago
MMRC-Struct: 一种基于结构的神经网络方法用于 MIMO-OFDM 检测
本文介绍了一种基于结构的神经网络架构，名为 RC-Struct，用于 MIMO-OFDM 符号检测。RC-Struct 通过储备计算 (RC) 利用 MIMO-OFDM 信号的时域结构。一个二进制分类器利用系统中重复的星座结构进行多类检测。
PDF3 years ago
面向通信的基于模型的机器学习
本文介绍了基于模型的机器学习在通信系统中的应用。作者从整体上审视了已有策略，将其与深度学习方法进行比较，并关注于通信接收器中的符号检测问题，探讨了深度架构、深度展开和 DNN 辅助混合算法等不同策略的优缺点。最后，提出了未来设计基于模型的深
PDF3 years ago
FedRec: 在衰落信道上进行通用接收机联邦学习
本研究提出一种使用神经网络进行符号检测的技术，名为 FedRec，其采用联邦学习的训练方案，可以在不需要了解衰落信道统计信息的情况下，在多样化的信道条件下接近 MAP 检测器的性能，并显著降低了其训练过程中的通信开销。
PDF4 years ago
RE-MIMO: 循环置换等变神经 MIMO 检测
本文提出一种新颖的神经网络，用于多输入多输出符号检测，它通过迭代单元的堆叠来学习迭代译码算法，每个单元由三个子模块组成，分别是似然模块、编码器模块和预测器模块，其中编码器模块处理置换等变性的用户之间交互，预测器模块则改进符号估计的表现，这一
PDF4 years ago
ViterbiNet：基于深度学习的维特比算法符号检测
本文提出了一种基于深度神经网络的符号检测器 ViterbiNet，并通过元学习的方法进行在线训练，其性能接近基于信道状态信息的 Viterbi 算法，可以跟踪动态信道，且对信道状态信息不确定性具有鲁棒性，并且可以在计算受限的复杂信道模型中可
PDF5 years ago
大规模 MIMO 中基于 Box-relaxation 译码器的符号误码率性能
本文研究了多目标多输入无线通信系统中符号检测的最大似然（ML）译码器，提出了一种可行的 Box-relaxation 优化（BRO）替代方法，研究了特定条件下 BRO 的符号误差率 (SER) 性能，使用了凸性高斯极值定理进行分析。
PDF7 years ago