科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统算法在正交频分复用(OFDM)系统导频数量较少时误符号率较高的问题,提出一种基于深度学习的OFDM信号检测方法,该算法设计一种信号检测网络,其信号检测网络可以代替传统算法中的信道估计和均衡,主要包含:输入层、双向长短记忆神经网络(Bidirectional long short memory neural network,BiLSTM)层、全连接层、softmax层以及分类层。首先需要构建BiLSTM,然后利用3GPP TR38.901信道模型下生成的数据对已经构建好的神经网络进行训练,最后则可将训练好的神经网络应用于OFDM系统之中,对整个系统进行信号检测。仿真结果表明,BiLSTM信号检测网络采用的是端到端的方式进行OFDM信号检测,与传统的信号检测方法相比,BiLSTM信号检测网络在误符号率为10-3时,有5～6 dB的性能提升,与同类型的采用端到端的LSTM信号检测网络的算法相比,该算法在误符号率为10-3时,有2～3 dB的性能提升。
- 单位
