基于深度学习的SC-FDE符号检测研究

发布时间：2024-06-07 23:00

　　近年来,机器学习技术与传统的通信技术有了更多的交集。现代的通信系统在运行过程中会产生大量的数据,将其与先进的机器学习技术结合能够显著提升网络的性能并优化通信组件的设计和管理。在这一领域,最近提出了一种利用端到端训练对通信系统组件进行联合优化的方法。本文利用这一思想,对单载波频域均衡(SC-FDE)系统进行信道估计与信号检测。本文主要工作如下:(1)首先,针对单天线SC-FDE系统,利用深度学习网络以端到端的方式处理无线SCFDE信道。有别于传统SC-FDE系统的先估计后检测,深度学习的方法隐式估计信道状态信息(CSI)并直接恢复发送的数据。为了解决信道失真,首先使用基于信道统计特性仿真生成的数据离线训练深度学习模型,然后利用训练好的网络恢复发送数据。根据仿真结果,基于深度学习的方法与最小均方误差(MMSE)估计具有相近的符号检测性能。此外,在使用较少训练导频以及省略循环前缀(CP)的情况下,基于深度学习的方法优于传统算法。(2)其次,由于无线传播,发送信号在达到接收器之前可能经历严重的失真,功率放大器在发送端处引入的非线性失真可能使该过程进一步复杂化。本文针对MIMO-SCFDE系统,...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 课题的研究背景及意义
    1.2 相关技术介绍
        1.2.1 单载波频域均衡
        1.2.2 人工神经网络
    1.3 国内外研究现状
        1.3.1 SC-FDE技术的研究现状
        1.3.2 DL技术应用于通信领域的研究现状
    1.4 论文的结构安排
        1.4.1 论文的主要工作
        1.4.2 论文的结构安排
第2章 深度学习概述
    2.1 神经网络基础
        2.1.1 从机器学习到深度学习
        2.1.2 前向传播与反向传播
    2.2 回声状态网络
    2.3 本章小结
第3章 基于DNN信道估计与信号检测
    3.1 SC-FDE的系统模型
        3.1.1 SC-FDE系统框图
        3.1.2 SC-FDE系统的数学分析
        3.1.3 两种信道估计准则
    3.2 基于DNN的符号检测方案
        3.2.1 基于DNN的系统框图
        3.2.2 模型的训练
    3.3 仿真结果
    3.4 本章小结
第4章 MIMO-SCFDE系统中基于ESN的符号检测
    4.1 系统描述
        4.1.1 系统框图
        4.1.2 系统中的非线性功率放大器
        4.1.3 基于ESN网络的符号检测方案
    4.2 ESN的训练与检测
        4.2.1 网络的训练
        4.2.2 网络的检测
        4.2.3 网络参数的调整
    4.3 仿真分析
    4.4 本章小结
第5章 总结与展望
    5.1 全文工作总结
    5.2 未来研究工作的展望
参考文献
致谢
个人简历



本文编号：3991081