基于深度学习算法的OFDM信号检测

• 作者: 周杰 常代娜
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度学习 信号检测 正交频分复用(OFDM) 深度神经网络
• 年，卷（期）: 2020,（5）
• 页码范围: 912-917
• 页数: 6页
• 分类号: TN929.5
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2020.05.017

摘要

为了提高正交频分复用(OFDM)无线通信系统的信号检测能力,提出了一种基于深度学习(DL)算法的信号检测框架来代替系统信号检测模块.首先利用迫零(ZF)均衡器重构深度神经网络(DNN)的输入;然后在离线训练中增加预训练阶段,以导频符号和数据符号作为训练数据,为训练阶段提供良好的初始参数;最后在线信号检测通过加载离线训练获得的最优参数进行信号检测.实验结果表明:当信噪比(SNR)为25 dB时,无预训练阶段和无ZF均衡器的框架性能相对于完整的DL信号检测框架性能分别损失了2和4 dB;在导频符号数目减少和无循环前缀(CP)的情况下,DL框架的误码率相比传统方法均明显下降;在不同信道参数下,DL框架的性能损失比传统方法更小.ZF均衡器和预训练阶段均可提高DL框架性能,DL框架能更好地检测信号并具有较强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周杰		142	464	10.0	14.0
2	常代娜		1	0	0.0	0.0