A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Deep Learning Based Low Complexity Symbol Detection and Modulation Classification Detector Detector de classificação de modulação e detecção de símbolos de baixa complexidade baseado em aprendizado profundo

Chongzheng HAO, Xiaoyu DANG, Sai LI, Chenghua WANG

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Este artigo apresenta um detector de detecção de símbolos e classificação de modulação (SDMCD) baseado em rede neural profunda (DNN) para detecção de sinais cegos mistos. Ao contrário dos métodos convencionais que empregam detecção de símbolos após classificação de modulação, o SDMCD proposto pode realizar recuperação de símbolos e identificação de modulação simultaneamente. Um vetor de características cumulantes e de momento é apresentado em conjunto com uma arquitetura de autoencoder esparso de baixa complexidade para completar a detecção de sinais mistos. Os resultados numéricos mostram que o esquema SDMCD possui notável desempenho de taxa de erro de símbolo e precisão de classificação de modulação para vários formatos de modulação em canais de desvanecimento AWGN e Rayleigh. Além disso, o detector proposto possui desempenho robusto sob o impacto de deslocamentos de frequência e fase.

Publicação
IEICE TRANSACTIONS on Communications Vol.E105-B No.8 pp.923-930
Data de publicação
2022/08/01
Publicitada
2022/01/24
ISSN online
1745-1345
DOI
10.1587/transcom.2021EBP3148
Tipo de Manuscrito
PAPER
Categoria
Tecnologias de comunicação sem fio

autores

Chongzheng HAO
  Nanjing University of Aeronautics and Astronautics
Xiaoyu DANG
  Nanjing University of Aeronautics and Astronautics
Sai LI
  Nanjing University of Aeronautics and Astronautics
Chenghua WANG
  Nanjing University of Aeronautics and Astronautics

Palavra-chave