Применение комплекснозначных сверточных нейронных сетей для эквализации и детектирования SEFDM-систем

Автор: Аверина Л.И., Каменцев О.К.

Журнал: Физика волновых процессов и радиотехнические системы @journal-pwp

Статья в выпуске: 4 т.26, 2023 года.

Бесплатный доступ

Обоснование. Недостатком спектрально эффективных сигналов с частотным мультиплексированием является появление межсимвольной интерференции, что еще более усугубляется при распространении данных сигналов в частотно-селективных каналах.

Глубокая комплекснозначная сверточная нейронная сеть, турбокодирование

Короткий адрес: https://sciup.org/140302556

IDR: 140302556 | DOI: 10.18469/1810-3189.2023.26.4.95-103

Список литературы Применение комплекснозначных сверточных нейронных сетей для эквализации и детектирования SEFDM-систем

Spectrally efficient FDM system with probabilistic shaping / X. Liu [et al.] // 2021 IEEE 94th Vehicular Technology Conference (VTC2021-Fall). 2021. P. 1-6. DOI: 10.1109/VTC2021-Fall52928.2021.9625460
X. Liu et al., "Spectrally efficient FDM system with probabilistic shaping", 2021 IEEE 94th Vehicular Technology Conference (VTC2021-Fall), pp. 1-6, 2021,. DOI: 10.1109/VTC2021-Fall52928.2021.9625460
Deep learning for wireless physical layer: Opportunities and challenges / T. Wang [et al.] // China Communication. 2017. Vol. 14, no. 11. P. 92-111. URL: http://www.cic-chinacommunications.cn/EN/Y2017/V14/I11/92.
T. Wang et al., "Deep learning for wireless physical layer: Opportunities and challenges", China Communication, vol. 14, no. 11, pp. 92-111, 2017, url: http://www.cic-chinacommunications.cn/EN/Y2017/V14/I11/92.
Mao Q., Hu F., Hao Q. Deep learning for intelligent wireless networks: A comprehensive survey // IEEE Communication Surveys & Tutorials. 2018. Vol. 20, no. 4. P. 2595-2621. DOI: 10.1109/COMST.2018.2846401
Q. Mao, F. Hu, and Q. Hao, "Deep learning for intelligent wireless networks: A comprehensive survey", IEEE Communication Surveys & Tutorials, vol. 20, no. 4, pp. 2595-2621, 2018,. DOI: 10.1109/COMST.2018.2846401
A novel OFDM autoencoder featuring CNN-based channel estimation for Internet of vessels / B. Lin [et al.] // IEEE Internet of Things Journal. 2020. Vol. 7, no. 8. P. 7601-7611. DOI: 10.1109/JIOT.2020.2986442
B. Lin et al., "A novel OFDM autoencoder featuring CNN-based channel estimation for Internet of vessels", IEEE Internet of Things Journal, vol. 7, no. 8, pp. 7601-7611, 2020,. DOI: 10.1109/JIOT.2020.2986442
Chorti A., Picard D. Rate analysis and deep neural network detectors for SEFDM FTN systems // arXiv. 2021. DOI: 10.48550/arXiv.2103.02306
Chorti and D. Picard, "Rate analysis and deep neural network detectors for SEFDM FTN systems", arXiv, 2021,. DOI: 10.48550/arXiv.2103.02306
Chorti A., Picard D. Deep learning based detection for spectrally efficient FDM systems // arXiv. 2021. DOI: 10.48550/arXiv.2103.11409
Chorti and D. Picard, "Deep learning based detection for spectrally efficient FDM systems", arXiv, 2021,. DOI: 10.48550/arXiv.2103.11409
Deep-waveform: A learned OFDM receiver based on deep complex-valued convolutional networks / Z. Zhao [et al.] // IEEE Journal on Selected Areas in Communications. 2021. Vol. 39, no. 8. P. 2407-2420. DOI: 10.1109/JSAC.2021.3087241
Z. Zhao et al., "Deep-waveform: A learned OFDM receiver based on deep complex-valued convolutional networks", IEEE Journal on Selected Areas in Communications, vol. 39, no. 8, pp. 2407-2420, 2021,. DOI: 10.1109/JSAC.2021.3087241
Аверина Л.И., Каменцев О.К. Сравнительный анализ спектрально эффективных сигналов с частотным мультиплексированием // Теория и техника радиосвязи. 2018. № 4. С. 36-42. EDN: YOWNKH
L. I. Averina and O. K. Kamentsev, "Comparative analysis of spectrally efficient signals with frequency multiplexing", Teoriya i tekhnika radiosvyazi, no. 4, pp. 36-42, 2018. (In Russ.). EDN: YOWNKH
Аверина Л.И., Каменцев О.К. Повышение спектральной эффективности сигналов с частотным мультиплексированием в системах высокоскоростной связи // Радиотехника. 2023. Т. 86, № 4. С. 93-99. EDN: IFSDLW
L. I. Averina and O. K. Kamentsev, "Increasing the spectral efficiency of frequency multiplexing signals in high-speed communication systems", Radiotekhnika, vol. 86, no. 4, pp. 93-99, 2023. (In Russ.).
Distributed scheduling using graph neural networks / Z. Zhao [et al.] // 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). 2021. P. 4720-4724. DOI: 10.1109/ICASSP39728.2021.9414098
Z. Zhao et al., "Distributed scheduling using graph neural networks", 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), pp. 4720-4724, 2021,. DOI: 10.1109/ICASSP39728.2021.9414098

Еще

Статья научная