电讯技术

作者：魏新龙,李立,温驰,靳一,徐常志

单位：(中国空间技术研究院西安分院，西安 710100)

关键词：正交时频空（OTFS）；信号检测；深度学习；卷积神经网络；深度神经网络；

基金：国家自然科学基金资助项目(61801377，62001375)；国家重点研发计划(2019YFB1803102)

正交时频空（Orthogonal Time Frequency Space，OTFS）调制技术凭借对多普勒频移的优良抗性，保证了高动态场景下的可靠性通信。与大多数OTFS信号检测方案相比，基于深度学习（Deep Learning，DL）的OTFS检测器不需要耗费高额的导频能量，以此获得精确的信道状态信息。基于多维输入的卷积神经网络（Convolutional Neural Networks，CNN）和一维输入的深度神经网络（Deep Neural Networks，DNN），搭建了OTFS信号检测模型，并结合OTFS的输入输出关系，以模型驱动，提出一种部分输入方法。与数据驱动DL相比，该方法沿时延轴截断输入数据，仅向网络输入与待检测信号相关性强的部分接收信号。该方法不仅减小了数据驱动CNN和DNN的训练参数量，降低了训练复杂度，而且检测性能也不弱于传统的线性最小均方误差（Linear Minimum Mean Square Error，LMMSE）算法。

来源：2024年第8期

《电讯技术》期刊编辑部

查看电讯技术杂志2024年第8期