电讯技术

作者：刘檬,卢敏,胡娟,李卓敏

单位：(江西理工大学 理学院，江西 赣州 341000)

关键词：OFDM接收机；模型驱动；深度学习；MMSE信号检测；

基金：国家自然科学基金重点项目 (U19B2015)

针对正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM）接收机解调精度低和计算复杂度高的问题，采用深度学习方法构建了一种新的模型驱动的接收机模型，称为FBLTNet（Fully Connected，Bi-LSTM and Transformer-encoder Neural Network）。该模型分为信道估计和信号检测两个部分，其中信道估计以全连接神经网络（Fully Connected Deep Neural Network，FCDNN)替代线性插值，信号检测则使用深度自注意力网络编码器Transformer-encoder和双向长短期记忆网络（Bidirectional Long-Short Term Memory，Bi-LSTM）的组合网络，实现信号的解调和比特流的恢复。在瑞利衰落信道下测试了不同调制方式的接收机性能，结果表明FBLTNet与基于深度学习的接收机以及传统接收机相比，误比特率性能得到了显著的改善；与数据驱动的无线接收机算法相比，线下训练模型收敛时间和测试时间分别减少了33.0%和25%，网络结构参数减少了29.5%。

来源：2024年第2期

《电讯技术》期刊编辑部

查看电讯技术杂志2024年第2期