基于卷积网络的OFDM系统信道解码技术

摘要：

为了降低信道估计的复杂度,提高信号检测的准确性,同时充分利用当前科技研究的最新成果,提出了一种新的基于卷积神经(convolutional neural networks,CNN)的正交频分复用(orthogonal frequency division multiplexing,OFDM)系统信道解码方法.以最小二乘法(least square,LS)和最小均方误差(minimum mean square error,MMSE)传统算法为例,它们在精确度或复杂度上无法适应当今毫米波通信的要求.利用深度学习工具将信道问题看作自回归问题,将接收信号看作一维数组,采用图像处理流程.利用卷积网络进行特征提取,然后利用全连接(fully-connected,FC)层进行分类,得到软比特(soft bit,SB)信号.仿真结果证明,该方法在复杂性上和LS法相当,性能上优于MMSE算法,在误码率方面有着平均2 dB的性能提升.

关键词：CNN、OFDM系统、信道解码

所属期刊栏目：36

分类号：TN928

资助基金：山东省自然科学基金ZR2020QF016

在线出版日期：2022-05-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：39-45