Untrained Neural Network based Bayesian Detector for OTFS Modulation Systems
本文针对OTFS高移动性符号检测问题,提出基于深度图像先验的未训练去噪器D-DIP,并将其与贝叶斯并行干扰消除检测器结合为D-DIP-BPIC,在无需训练且保持低复杂度的情况下实现优于现有检测器0.5 dB的符号错误率性能。
2023-05-08 eess.SP
Performance of orthogonal delay-doppler division multiplexing modulation with imperfect channel estimation
本文研究信道估计不完善条件下ODDM系统的检测性能,推导MRC和SIC-MMSE的SINR及BER,并提出MRC-SD和SSMI-MRC检测器以改善迭代MRC的误比特率。
2024-10-23 eess.SP
3D 8-Ary Noise Modulation Using Bayesian- and Kurtosis-based Detectors
Qom University of Technology (QUT)(库姆理工大学);National Institute of Telecommunications (Inatel)(国家电信研究所);College of Engineering and Technology, American University of the Middle East(中东美国大学工程与技术学院)
本研究提出一种引入MoG混合概率新维度的三维8元噪声调制方案,搭配多类专用检测器,在提升数据速率的同时实现了较低误比特率,且峰度检测器兼具低复杂度特性。
2025-10-02 eess.SP
Reconfigurable Intelligent Surface Aided Spatial Media-Based Modulation
对高数据速率、可靠性、高能量效率、高频谱效率和低延迟通信的需求已经迅速增加。因此,以最佳方式使用有限资源、允许快速数据传输并提高性能的通信模型变得非常重要。在这项工作中,一种新的高能量和频谱效率的可重构智能表面辅助空间媒体为基础的调制系统,称为RIS-SMBM,提出了瑞利衰落信道。除了在M-QAM符号中携带的比特之外,虽然基于媒体的调制(MBM)根据射频(RF)反射镜的开启或关闭来提供要在不同信道的索引中携带的数据比特,但是空间调制(SM)提供要在发射天线的索引中携带的数据比特。通过组合这两种调制方案,频谱效率显著增加,因为在相同时间间隔中发送的信息量显著增加。提出了RIS-SMBM系统的最优最大似然检测器和增强型低复杂度检测器。ELC检测器实现了接近ML的性能,同时降低了所提出的RIS-SMBM系统的最佳ML检测器的复杂性。我们分析了平均误比特率(ABER),吞吐量,复杂度和能源效率的RIS-SMBM计划,并验证了蒙特卡洛模拟的分析结果。已经观察到,所提出的系统提供了更好的误差性能以及提供比基准系统更高的频谱和能量效率。
2022-11-14 eess.SP
Two-Stage Signal Reconstruction for Amplitude-Phase-Time Block Modulation-based Communications
National Mobile Communications Research Laboratory, Southeast University(东南大学移动通信国家重点实验室);Pervasive Communication Research Center, Purple Mountain Laboratories(紫金山实验室泛在通信研究中心);State Key Laboratory of Millimeter Waves, Southeast University(东南大学毫米波国家重点实验室)
本文提出双阶段信号重建算法,通过联合利用APTBM块结构和PA非线性特性消除主导失真,再通过非凸优化问题最小化残余失真,提升PA效率和IBO减少量。
2026-04-30 eess.SP
Windowed Decoding for Delayed Bit-Interleaved Coded Modulation
延迟比特交织编码调制(DBICM)通过将不同延迟的码字子块调制到相同的信号上来推广比特交织编码调制(BICM)。由于DBICM能够利用解码延迟子块的外部信息检测未延迟子块,因此DBICM比BICM提高了传输可靠性。在这项工作中,我们提出了一种新的窗口解码算法的DBICM,它使用的外部信息的解码延迟和未延迟的子块,以提高对所有子块的检测。数值结果表明,所提出的加窗解码显着优于原来的解码。
2021-08-15 cs.IT eess.SP math.IT
Deep Neural Network-Based Detector for Single-Carrier Index Modulation NOMA
提出了一种基于深度神经网络(DNN)的上行链路单载波索引调制非正交多址接入(SC-IM-NOMA)系统检测器,其中SC-IM-NOMA允许用户使用相同的子载波集合来传输由子载波索引调制技术调制的数据。更具体地,SC-IMNOMA的用户以不同的功率电平同时发送他们的SC-IM数据,然后由他们的接收机利用这些功率电平来执行连续干扰消除(SIC)多用户检测。现有的SC-IM-NOMA检测器,如联合最大似然(JML)检测器和基于最大似然SIC(ML-SIC)检测器,存在高计算复杂性的问题。为了解决这个问题,我们提出了一种基于DNN的检测器,其结构依赖于基于模型的SIC,用于在用足够的模拟数据训练后联合检测所有用户的M进制符号和索引位。仿真结果表明,所提出的基于DNN的检测器达到接近最佳的错误性能,并显着降低运行时的复杂性相比,现有的手工制作的检测器。
2022-09-20 cs.IT eess.SP math.IT
Union Bounds on the Symbol Error Probability of LoRa Modulation for Flat Rician Block Fading Channels
本文研究了平坦莱斯块衰落信道下LoRa调制的误符号性能。首先推导了莱斯衰落下LoRa调制的精确误符号概率。然后,上,下联合界的推导符号错误概率。建议的界限进行比较,对准确的符号错误概率,符号错误概率的数值评估和最先进的近似LoRa符号错误概率。数值结果表明,虽然建议的上限是非常严格的准确的符号错误概率,有大约2.5 dB的差距的下限。
2023-02-11 cs.IT eess.SP math.IT
Symbol-Level Precoding Made Practical for Multi-Level Modulations via Block-Level Rescaling
在本文中,我们提出了一种干扰利用符号级预编码(SLP)的方法,通过块内功率分配方案的多级调制,大大减少了信令开销。现有的SLP方法需要符号级广播的重缩放因子的用户进行正确的解调,这阻碍了SLP的实际实现。所提出的方法允许在传统块级预编码中进行的重新缩放因子的块级广播,大大减少了SLP的信令开销而不牺牲性能。我们的推导结果进一步表明,所提出的块内功率分配享有一个精确的封闭形式的解决方案,因此不会增加在基站(BS)的复杂性。除了有效的吞吐量结果验证的信令开销显着缓解,数值结果表明,所提出的功率分配方法也提高了现有的SLP的错误率性能。因此,所提出的方法使得SLP在多级调制中的实际使用成为可能。
2021-03-10 cs.IT eess.SP math.IT
A Novel Block-Wise Index Modulation Scheme for High-Mobility OTFS Communications
正交时频空间(OTFS)技术作为一种很有前途的高移动性无线通信技术,相对于传统的正交频分复用(OFDM)技术,具有显著的优势。然而,一个具有挑战性的问题是设计有效的系统,以进一步提高性能。在本文中,我们提出了一种新的块式索引调制(IM)的OTFS系统,命名为多普勒-IM与OTFS(DoIM-OTFS),其中一个块的多普勒资源箱被同时激活。对于实际实现,我们开发了一个低复杂度的定制消息传递(CMP)算法,我们提出的DoIM-OTFS计划。仿真结果表明,我们提出的DoIM-OTFS系统优于传统的OTFS系统没有IM。提出的CMP算法可以达到预期的性能和鲁棒性的不完美的信道状态信息(CSI)。
2022-10-25 cs.IT eess.SP math.IT
Deep Modulation (Deepmod): A Self-Taught PHY Layer for Resilient Digital Communications
传统的物理(PHY)层协议包含信号处理块的链,这些块已经在数学上被优化以在有噪声的信道上有效地传输信息比特。不幸的是,由于对底层物理层的丰富知识,这种相同的最优性鼓励了无线通信技术的普遍存在,并增强了灾难性网络或物理攻击的可能性。另外,在软件协议没有显著改变的情况下,用于一个信道介质的最佳信号处理可能不适用于另一个信道介质。任何真正有弹性的通信协议必须能够立即重新部署,以满足各种可能的信道介质中的服务质量(QoS)需求。与使用不可变的人造信号处理块的许多传统方法相反,这项工作提出通过机器学习框架(所谓的deepmod)生成实时块{ \it ad hoc},其仅与所使用的特定信道介质相关。通过这种方法,传统的信号处理块被机器学习图取代,机器学习图根据需要被训练、使用和丢弃。我们的实验表明,使用相同的机器智能,deepmod可以在不同的信道上收敛到可行的通信链路,包括:射频(RF),电力线通信(PLC)和声学信道。
2019-08-29 eess.SP
Mixed Gibbs Sampling Detector in High-Order Modulation Large-Scale MIMO Systems
提出了一种基于邻域限制混合吉布斯采样(MGS)的低复杂度高阶调制大规模多输入多输出(LS-MIMO)检测方法。所提出的LS-MIMO检测器在距离d处对来自MGS的噪声解决方案应用邻域限制(NL)-因此,称为d-简化MGS(d-sMGS)-以便减轻其影响,当考虑高阶调制时,其可能是有害的。对64-QAM信号的数值仿真结果表明,该检测方法可以显著提高MGS算法的收敛性,而每次迭代不需要额外的计算复杂性。所提出的适用于高阶调制LS-MIMO的基于d-sMGS的检测器在系统负载高时进一步表现出改进的性能与复杂度的折衷,即,当K >= 0.75时。N.此外,随着维数的增加,即,增加天线和/或调制阶数,2-sMGS的较小限制被证明是比1-sMGS更令人感兴趣的选择。
2021-04-17 cs.IT eess.SP math.IT
Iterative Detection for Orthogonal Time Frequency Space Modulation with Unitary Approximate Message Passing
正交时频空(OTFS)调制已成为高移动性无线通信的一种有前途的调制方案。为了获得OTFS所承诺的时间和频率分集,已经开发了一些有前途的检测器,特别是基于消息传递的检测器,通过利用延迟-多普勒域中信道的稀疏性。然而,当信道路径的数量相对较大或必须考虑分数多普勒频移时,现有检测器的复杂性是一个问题,并且基于消息传递的检测器可能由于消息传递中涉及的短环路而遭受性能损失。在这项工作中,我们研究了OTFS检测器的设计基于近似消息传递(AMP)。特别是,{利用酉AMP(UAMP),我们设计了新的检测器,享受}的信道矩阵的结构,并允许有效的实施。此外,噪声方差的估计被纳入基于UAMP的检测器。由于UAMP相对于AMP的鲁棒性,基于UAMP的检测器提供了卓越的性能,并且显著优于最先进的检测器。我们还研究了迭代联合检测和解码的编码OTFS系统,其中OTFS检测器集成到一个强大的涡轮接收机,导致相当大的性能增益。
2021-02-16 cs.IT eess.SP math.IT
A DNN Architecture for the Detection of Generalized Spatial Modulation Signals
在这封信中,我们考虑的问题,在广义空间调制(GSM)使用深度神经网络(DNN)的信号检测。我们提出了一种新的模块化DNN架构,该架构使用小型子DNN来检测活动天线和复杂的调制符号,而不是使用单个大型DNN来联合检测活动天线和调制符号。其主要思想是使用小型子DNN而不是单个大型DNN减少了NN所需的大小,因此需要学习更少数量的参数。在独立同分布高斯噪声的假设下,所提出的DNN检测器实现了非常接近于最大似然检测器的性能。我们还分析了两种实际情况下的检测器的性能:i)接收天线上的相关噪声和ii)偏离标准高斯模型的噪声分布。所提出的基于DNN的检测器学习标准模型的偏差,并实现了优于传统的最大似然检测器的性能。
2020-08-22 cs.IT eess.SP math.IT
Amplitude-Phase-Frequency Block Modulation for OFDM-ISAC with SI-Free PAPR Reduction and Pilotless Sensing
Nanjing University of Posts and Telecommunications(南京邮电大学);Jiangsu Key Laboratory of Wireless Communications(江苏省无线通信重点实验室);Southeast University(东南大学);State Key Laboratory of Millimeter Waves(毫米波国家重点实验室);Purple Mountain Laboratories(紫金山实验室)
提出一种幅度-相位-频率块调制方案,通过斯托克斯球映射和分组相位优化,在OFDM中实现无资源分割的通信与感知集成,同时降低PAPR并消除导频需求。
2026-06-19 eess.SP
Deep Convolutional Learning-Aided Detector for Generalized Frequency Division Multiplexing with Index Modulation
Istanbul Technical University(伊斯坦布尔技术大学);Netas(Netas(企业名))
为了提高系统的误码性能,提出了一种基于深度卷积神经网络的广义频分复用索引调制(GFDM-IM)符号检测与解调方法。所提出的方法首先通过使用迫零(ZF)检测器对接收到的信号进行预处理,然后使用由卷积神经网络(CNN)和随后的全连接神经网络(FCNN)组成的神经网络。FCNN部分仅使用两个完全连接的层,这可以适于在复杂度和误比特率(BER)性能之间产生折衷。这种两阶段的方法防止了神经网络陷入鞍点,并使IM块独立处理。已经证明,与ZF检测器相比,所提出的基于深度卷积神经网络的检测和解调方案提供了更好的BER性能,具有合理的复杂度增加。我们得出结论,在深度学习的帮助下,非正交波形与IM方案相结合是未来无线网络的一种有前途的物理层(PHY)方案
2022-02-06 cs.AI eess.SP
IMNet: A Learning Based Detector for Index Modulation Aided MIMO-OFDM Systems
索引调制(IM)技术为传统的多输入多输出正交频分复用(MIMO-OFDM)系统带来了功耗和发射机复杂度的降低。然而,由于IM的引入,大大增加了接收端检测器的复杂度。此外,检测器还需要接收器处的信道状态信息,这导致高系统开销。为了应对这些挑战,在本文中,我们在设计非迭代检测器时引入了深度学习(DL)。具体而言,基于IM辅助MIMO-OFDM系统中发送信号的结构稀疏性,我们首先将检测过程表示为稀疏重构问题。然后,一个基于DL的检测器称为IMNet,它结合了传统的最小二乘方法的两个,被设计用于恢复发送信号。据我们所知,这是第一次尝试设计的DL为IM辅助系统的检测器。最后,为了验证IMNet的自适应性和鲁棒性,考虑相关MIMO信道进行了仿真。仿真结果表明,在各种场景下,该算法在误比特率和计算复杂度方面均优于现有算法。
2019-11-13 cs.IT eess.SP math.IT
Generalized Spatial Modulation Aided Affine Frequency Division Multiplexing
University of Southampton(南安普顿大学)
本文提出广义空间调制辅助的仿射频分复用(GSM-AFDM)用于双选择性MIMO信道,设计了多种低复杂度检测器并推导了BER上界,仿真证明其相比OFDM等方案具有显著SNR增益。
2025-09-17 eess.SP
Low Complexity Iterative Rake Detector for Orthogonal Time Frequency Space Modulation
本文针对最近提出的正交时频空间(OTFS)调制方案,提出了一种线性复杂度迭代RAKE检测器。其基本思想是利用线性分集合并方案,如最大比合并(MRC)、等增益合并和选择合并,提取并合并延迟-多普勒网格中发送符号的接收多径分量,以提高合并信号的SNR。我们通过在延迟多普勒网格中放置一些空符号,从而利用信道矩阵的块循环特性,以矢量形式重新制定OTFS输入输出关系。利用新的输入输出关系,我们提出了一个低复杂度的迭代检测器的基础上的MRC计划。提出的检测器的误比特率(BER)性能进行比较,与最先进的消息传递检测器和正交频分复用(OFDM)计划采用单抽头最小均方误差(MMSE)均衡器的状态。我们还表明,误帧率(FER)的MRC检测器的性能可以通过采用纠错码的Turbo判决反馈均衡器(DFE)的形式操作。
2020-01-29 cs.IT eess.SP math.IT
Low-Complexity Detection of Multiweight Permutation Modulation Space-Time Block Codes for Indoor Visible Light Communication
本文利用系统设计的多权码字矩阵,提高了基于置换调制的多输入多输出(MIMO)可见光通信的频谱效率。软判决,低复杂度的检测方案,然后设计的接收机和最大似然(ML)检测方法进行比较。误比特率(BER)结果表明,软判决检测算法能够在不知道信道状态信息的情况下对传输信息进行解码。这使得移动接收器能够在发射器单元的视场内解码信息。BER结果还显示与某些码本中的ML检测非常匹配,并且针对室内环境中接收机的不同位置评估了软判决解码器的性能。
2020-06-30 cs.IT eess.SP math.IT
Markovian Block Sparse Signal Detection Using One Bit Measurements
本文针对马尔可夫伯努利-高斯块稀疏信号模型,提出一种基于一位测量的闭式检测方案,并给出理论分析与仿真验证,证明其优于现有检测器。
2024-03-17 eess.SP
Impulsive Noise Immunity of Multidimensional Pulse Position Modulation
我们描述了面向块的多维脉冲位置调制及其抗脉冲噪声的能力。该调制实现了BBC算法的编码器和部分解码器。我们测试了在存在脉冲噪声的情况下发送和检测基于脉冲的信号的电路上的调制。我们测量了分组错误率与信噪比的关系,并将其与OFDM的公布错误率进行了比较。我们发现,在信噪比为16 dB,没有前向纠错,数据速率为64 kbit /sec时,错误率为2 × 10^(-5)。
2018-05-21 eess.SP
A Novel Low Complexity Faster-than-Nyquist (FTN) Signaling Detector for Ultra High-Order QAM
快于奈奎斯特(Faster-than-Nyquist,FTN)信令是一种很有前途的非正交脉冲调制技术,它可以以较高的检测复杂度为代价来消除引入的符号间干扰(ISI),从而提高下一代通信系统的频谱效率(SE)。在本文中,我们研究了超高阶正交幅度调制(QAM)FTN信号的检测问题,我们利用数学规划技术的交替方向乘法器方法(ADMM)的基础上。所提出的ADMM序列估计(ADMMSE)FTN信令检测器在性能和计算工作量之间表现出出色的折衷,能够成功检测高达64 K(65,536)的QAM调制阶数的SE增益。所提出的ADMMSE检测器的复杂度是发送符号序列长度的多项式,并且其对调制阶数的灵敏度仅以几何方式增加。仿真结果表明,对于16-QAM,所提出的ADMMSE FTN信令检测器实现可比的SE增益的广义方法半定松弛序列估计(GASDRSE)FTN信令检测器,但在实验评估的计算时间低得多。仿真结果还显示了与传统奈奎斯特信令相比,从4-QAM或正交相移键控(QPSK)开始,直到并包括64 K-QAM的调制阶数的SE增益。所需的非常低的计算工作量使得所提出的ADMMSE检测器对于低阶和超高阶QAM FTN信令系统都是实际上有前途的FTN信令检测器。
2021-11-17 cs.IT eess.SP math.IT
A Simple Variational Bayes Detector for Orthogonal Time Frequency Space (OTFS) Modulation
新兴的正交时频空间(OTFS)调制技术在充分利用时频分集和应对信道动态特性的能力方面显示出其优于当前的正交频分复用(OFDM)方案。最佳最大后验概率(MAP)检测能够消除延迟多普勒(DD)域中的符号间干扰的负面影响,但代价是过高的复杂度。为了降低OTFS方案的接收机复杂度,本文提出了一种变分贝叶斯(VB)方法作为最佳MAP检测的近似。与广泛使用的消息传递算法相比,我们证明了所提出的迭代算法保证收敛到近似MAP检测器的全局最优值,而不管所得到的因子图是否是循环的。仿真结果验证了所提出的VB接收机的快速收敛性,也显示了其有前途的性能增益相比,传统的消息传递算法。
2019-11-28 cs.IT eess.SP math.IT
Space-Time Block Coded Spatial Modulation for Indoor Visible Light Communications
可见光通信(VLC)已经被认为是用于处理现代无线通信中(特别是在室内场景中)的持续增加的服务质量服务质量和连接性要求的有前景的技术。在这种情况下,目前的工作认为,两个不同的调制方案,即空间调制(SM)与空时分组码(STBC)的整合,旨在提高整体VLC系统的可靠性。在此基础上,为了进一步提高可实现的传输数据率,我们将准正交STBC(QOSTBC)与SM集成,因为放宽OSTBC的正交条件最终会提供更高的编码速率。然后,我们推广的结果,任何数量的有源发光二极管(LED)和任何M进制脉冲幅度调制的大小。此外,我们推导出一个严格的和易于处理的上限为相应的比特出错率(BER),通过考虑一个简单的两步解码过程来检测发射LED的索引,然后解码的信号域符号。值得注意的是,所获得的结果表明,QOSTBC与SM增强了可实现的BER相比,SM与重复编码(RC-SM)。最后,我们比较了STBC-SM与多个主动SM(MASM)和RC-SM的可实现的BER和整体数据率,这进一步证明了所提出的方案的实用性。
2021-11-06 cs.IT eess.SP math.IT
Deep Learning-Based Signal Detection for Dual-Mode Index Modulation 3D-OFDM
在本文中,我们提出了一种基于深度学习的信号检测器,称为DuaIM-3DNet,用于基于双模索引调制的三维(3D)正交频分复用(DM-IM-3D-OFDM)。这里,DM-IM-3D- OFDM是经由双模3D星座符号和活动子载波的索引两者来传送数据比特的子载波索引调制方案。因此,当使用传统的最大似然(ML)检测器时,该方案获得比现有的IM方案更好的误差性能,然而,其遭受高的计算复杂性,特别是当系统参数增加时。为了解决这一根本问题,我们提出了一个深神经网络(DNN)的使用在接收机联合和可靠地检测符号和索引位的DM-IM-3D-OFDM瑞利衰落信道下的数据驱动的方式。仿真结果表明,与ML检测器相比,我们提出的DNN检测器在显着降低运行时复杂度的情况下实现了接近最佳的性能。
2022-09-20 cs.IT eess.SP math.IT
Space-Time Block Coded Reconfigurable Intelligent Surface-Based Received Spatial Modulation
可重构智能表面(RIS)结构根据传输信道条件自适应地调整相位反射入射信号,以提高接收端的信号质量。此外,空间调制(SM)技术是一个可能的候选人,为未来的能源效率的无线通信,由于提供更好的吞吐量,低成本的实现和良好的错误性能。此外,阿拉米德的空时分组编码(ASBC)在分集增益和简化的ML检测方面是一种重要的空时编码技术。本文提出了一种基于ASBC的RIS辅助接收空间调制(RSM)方案,即RIS-RSM-ASBC。在所提出的系统模型中,术语RIS分为两部分。每一个都被用作接入点(AP),以发送其Alamplitude编码的信息,同时将无源信号反射到所选择的接收天线。最佳的最大似然(ML)检测器的建议RIS-RSM-ASBC计划的设计。进行了大量的计算机模拟,以证实理论推导。结果表明,与传统的RIS辅助发送同步码(RIS-TSM)、RIS辅助发送正交同步码(RIS-TQSM)、RIS辅助接收同步码(RIS-RSM)、RIS辅助发送空移键控同步码(RIS-TSSK-ASBC)和RIS-TSSK-VBLAST方案相比,RIS-RSM-ASBC系统具有高可靠性和数据率提高。
2022-03-28 cs.IT eess.SP math.IT
IMRecoNet: Learn to Detect in Index Modulation Aided MIMO Systems with Complex Valued Neural Networks
索引调制(IM)通过激活部分天线用于数据传输来降低多输入多输出(MIMO)系统的功耗和硬件成本。然而,IM显著增加了接收机的复杂度,并且需要精确的信道估计来保证其性能。为了应对这些挑战,在本文中,我们设计了一个基于深度学习(DL)的检测器的IM辅助MIMO(IM-MIMO)系统。我们首先制定了一个稀疏重建问题,利用IM的固有属性的检测过程。然后,基于贪婪策略,我们设计了一个基于DL的检测器,称为IMPLESNet,实现这个稀疏重建过程。与一般的神经网络不同,我们引入了复值运算来适应通信系统中的复杂信号。据我们所知,这是首次尝试将复值神经网络引入到IM-MIMO系统的检测器设计中。最后,为了验证所提出的检测器的适应性和鲁棒性,进行了仿真,考虑不准确的信道状态信息(CSI)和相关的MIMO信道。仿真结果表明,该检测器优于现有的算法在天线识别精度和比特出错率在各种情况下。
2021-12-02 cs.IT eess.SP math.IT
Learning Constellation Map with Deep CNN for Accurate Modulation Recognition
调制分类被认为是信号检测和解调之间的中间步骤,被广泛地部署在几个现代无线通信系统中。虽然在过去的几十年中已经研究了许多方法来识别输入信号的调制格式,但它们通常揭示了大多数传统机器学习算法学习无线电特性的障碍。为了克服这个缺点,我们提出了一种精确的调制分类方法,通过利用深度学习与星座图兼容。特别地,卷积神经网络被开发用于熟练地学习灰度星座图的最相关的无线电特性。深度网络由多个处理块指定,其中每个块中的几个分组和非对称卷积层由流中流结构组织,用于特征丰富。这些块通过跳跃连接来连接,以防止消失梯度问题,同时有效地保留整个网络中的信息标识。关于对八种数字调制的星座图像数据集的几次密集模拟,所提出的深度网络在多径瑞利衰落信道下在0 dB信噪比(SNR)下实现了约87%的显著分类准确率,并且进一步优于一些最先进的基于星座的调制分类的深度模型。
2020-09-04 cs.IT eess.SP math.IT
Block-Wise Index Modulation and Receiver Design for High-Mobility OTFS Communications
本文针对高移动性OTFS系统提出两种块状索引调制方案(DeIM-OTFS和DoIM-OTFS),并设计低复杂度检测算法,在时延和多普勒环境下提升性能,验证优于现有IM-OTFS方案。
2023-06-21 cs.DS eess.SP
The SIMO Block Rayleigh Fading Channel Capacity Scaling with Number of Antennas, Bandwidth and Coherence Length
本文研究非相干SIMO瑞利块衰落信道的容量缩放规律,证明容量按Θ(min(B,√(NL),N))缩放,并揭示相干块长度L在导频辅助与能量调制选择中的关键作用。
2022-12-20 cs.IT eess.SP math.IT
Space-Time Encoded Modulation for High-Fidelity Diffuse Optical Imaging
本文提出空时编码调制(STEM)方法,利用单像素探测器与准正交编码实现低噪声高分辨率漫射光学成像,相比传统光栅扫描将成像误差降低60%、重建对比度提升3.5倍。
2025-04-04 eess.SP physics.optics
Quadrature Spatial Scattering Modulation for mmWave Transmission
在这封信中,我们研究了一种新的正交空间散射调制(QSSM)传输技术的基础上毫米波(mmWave)系统,其中发射机产生两个正交波束目标的候选散射在信道中携带的传统信号的实部和虚部,分别。同时,在接收端采用最大似然(ML)检测器来恢复接收到的波束和信号。基于最大似然检测器,我们推导出了QSSM方案的封闭形式的平均误比特概率(ABEP)表达式。此外,我们评估的渐近ABEP表示所提出的计划。蒙特卡罗模拟验证了推导结果的正确性和严密性。结果表明,QSSM的ABEP性能优于传统的空间散射调制。
2023-03-24 cs.IT eess.SP math.IT
Transfer Learning-Enabled Distortion Compensation for Amplitude-Phase-Time Block Modulation-Based Nonlinear Single-Carrier Wireless Communications
Southeast University(东南大学);Purple Mountain Laboratories(紫金山实验室);Nanjing University of Posts and Telecommunications(南京邮电大学)
针对非线性单载波通信中PA的非线性与记忆效应问题,提出迁移学习驱动的APTBM收发协同失真补偿方法,可在30-dBc ACLR约束下实现2 dB输入回退的可靠传输,性能优于传统DPoD方案。
2026-08-11 cs.LG eess.SP
Spatial Modulation: an Attractive Secure Solution to Future Wireless Network
作为一种绿色、安全的无线传输方式,安全空间调制(SM)技术正成为研究的热点。其基本思想是利用发射天线的激活指数和幅相调制信号来承载信息,提高保密性,节省能量。在本文中,我们回顾了它的关键挑战:发射天线选择(TAS),人工噪声(AN)投影,功率分配(PA)和联合检测在期望的接收机。随着信号星座图的中、大规模化,传统的最大似然检测算法的复杂度变得难以承受。为了降低这种复杂度,提出了一种低复杂度的最大似然(ML)检测器。为了进一步提高保密率(SR)性能,提出了一种深度神经网络(DNN)PA策略。仿真结果表明,所提出的低复杂度最大似然检测器具有较低的复杂度,与联合最大似然方法具有相同的误出错率性能,而DNN方法在复杂度和SR性能之间取得了很好的平衡。
2021-03-06 cs.IT eess.SP math.IT
A Radio Signal Modulation Recognition Algorithm Based on Residual Networks and Attention Mechanisms
College of Electrical Engineering, Sichuan University(四川大学电气工程学院)
针对通信信号调制类型识别不准确的问题,提出了一种结合残差块网络和注意力机制的RNN神经网络识别算法。在该方法中,从MASK、MPSK、MFSK、OFDM、16QAM、AM和FM等10种标准数据集中产生了具有高斯白噪声的通信信号。在原有RNN神经网络的基础上,加入残差块网络,解决了网络层较深导致梯度消失的问题。网络中添加了注意力机制,以加速梯度下降。实验中以16QAM、2FSK和4FSK为实际样本,以信号的IQ数据帧为输入,训练了残差块网络和注意力机制相结合的RNN神经网络。最终的识别结果表明,实时信号的平均识别率超过93%。该网络具有很高的鲁棒性和很好的使用价值。
2019-09-27 cs.CV cs.LG eess.SP
Deep Learning-Aided Spatial Multiplexing with Index Modulation
Ericsson Research(爱立信研究院);Netas(内塔斯公司);Istanbul Technical University(伊斯坦布尔技术大学)
本文提出了具有索引调制(IM)的空间复用(SMX)多输入多输出(MIMO)传输的深度学习(DL)辅助数据检测(Deep-SMX-IM)。通过结合迫零(ZF)检测器和DL技术构建了Deep-SMX-IM。所提出的方法使用DL技术的显著优点来学习频域和空域的传输特性。此外,由于使用IM提供的基于子块的检测,Deep-SMX-IM是一种简单的方法,最终降低了复杂性。已经表明,与ZF检测器相比,Deep-SMX-IM具有显着的错误性能增益,而不会增加不同系统配置的计算复杂度。
2022-02-06 cs.AI cs.LG eess.SP
On the Performance of RIS-Aided Spatial Modulation for Downlink Transmission
本文研究RIS辅助空间调制下行传输系统,提出三种检测器,推导了成对错误概率、平均误比特率上界及遍历容量的闭式表达式,并通过蒙特卡洛仿真验证了理论分析与检测算法的复杂度和可靠性。
2024-09-03 cs.IT eess.SP math.IT
Detection and Performance Analysis for Non-Coherent DF Relay Networks with Optimized Generalized Differential Modulation
研究了具有$N$并行解码转发(DF)中继的中继网络的检测和性能分析问题。由于这种网络的分布式特性,它实际上是非常具有挑战性的,以满足瞬时信道状态信息的相干检测的要求。为了绕过这一要求,我们考虑使用非相干DF中继的基础上的广义差分调制(GDM)计划,其中传输功率分配的$M$ -ary相移键控符号时,利用差分编码。在本文中,提出了一种新的检测器在这样的非相干DF中继网络的目的地。它是最先进检测器的精确近似,称为几乎最大似然检测器(AMLD),但检测复杂度从$\mathcal{O}(M^2N)$显著降低到$\mathcal{O}(MN)$。通过对主要误差项的描述,我们得到了精确的符号出错率(SER)近似表达式。在此基础上,进一步设计了GDM的优化功率分配方案。我们的模拟表明,所提出的非相干方案可以执行接近相干对应的块长度的增加。此外,我们证明了所提出的检测器和AMLD的分集阶数正好是$\lceil N/2 \rceil + 1$。大量的仿真结果进一步验证了我们的结果在各种情况下的准确性。
2020-08-23 cs.IT cs.PF eess.SP
Enhanced Index Modulation Aided Non-Orthogonal Multiple Access via Constellation Rotation
本文提出一种基于星座旋转的索引调制辅助NOMA(IM-NOMA-RC)方案,通过仅对近用户组进行旋转星座索引调制并激活所有子载波,在支持更多用户的同时提升频谱效率,仿真表明其性能优于传统NOMA。
2024-03-17 cs.IT cs.NI eess.SP
Reconfigurable Intelligent Surface Aided Amplitude- and Phase-Modulated Downlink Transmission
新的可重构智能表面(RIS)的幅度和相位调制方案提出了一个演变的只有相位调制方案在文献中。解释性地,幅相相移键控(A-PSK)和正交幅相相移键控(QA-PSK)都被设想,其中RIS被假设为发射机的一部分以向多天线辅助下行链路接收机传递信息。在所提出的设计中,RIS被划分为多个块,并且通过控制每个块中RIS元件的ON-OFF状态和相移来传送信息比特。由于从每个RIS块到接收器的传播路径可以相干地组合,作为适当地配置RIS元件的相位的益处,所以可以通过控制RIS块的ON-OFF模式以及RIS元件的相移来设计接收信号星座。理论分析和仿真结果都表明,在考虑实际有限分辨率RIS相移的情况下,我们提出的基于RIS辅助的调制方案在离散输入连续输出无记忆信道(DCMC)容量和误符号概率方面都优于现有的基于RIS的PSK调制,特别是在高信噪比(SNR)区域。
2023-01-23 cs.IT eess.SP math.IT