Scalable Cross-Attention Transformer for Cooperative Multi-AP OFDM Uplink Reception
IETR - UMR CNRS 6164, CentraleSupélec（法国电子与信息技术研究所 - 法国国家科学研究中心联合实验室6164，中央理工-高等电力学院）；Orange Research（Orange研究院）
本文提出一种可扩展的交叉注意力变换器，用于联合解码多协作接入点接收的上行OFDM信号，通过共享的接收器编码器和令牌级交叉注意力模块融合接收器，产生软对数似然比以提升解码性能。
2026-07-07 cs.IT cs.LG eess.SP
ComNet: Combination of Deep Learning and Expert Knowledge in OFDM Receivers
在这篇文章中，我们提出了一种模型驱动的深度学习（DL）方法，将DL与专家知识相结合，以取代无线通信中现有的正交频分复用（OFDM）接收机。与数据驱动的全连接深度神经网络（FC-DNN）方法不同，我们采用逐块信号处理的方法，将接收端分为信道估计子网和信号检测子网。每个子网由DNN构建，并使用现有的简单和传统的解决方案作为初始化。与线性最小均方误差（LMMSE）方法相比，所提出的模型驱动DL接收机提供更准确的信道估计，并且与现有方法和FC-DNN相比，具有更高的数据恢复精度。仿真结果进一步证明了该方法在信噪比方面的鲁棒性，以及在计算复杂度或内存使用方面优于FC-DNN方法。
2018-10-22 cs.IT eess.SP math.IT
One-Bit OFDM Receivers via Deep Learning
University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出了一种新颖的基于深度学习的架构和设计方法，用于在1比特复量化约束下的正交频分复用（OFDM）接收机。单比特量化大大降低了复杂度和功耗，但使精确的信道估计和数据检测变得困难。这对于多载波波形尤其如此，多载波波形在时域中具有高峰均比，而在频域中具有脆弱的子载波正交性。一比特量化的严重失真通常导致错误平层，即使在中等低的信噪比（SNR），如5 dB。对于信道估计（使用导频），我们设计了一种新的生成监督深度神经网络（DNN），可以用合理数量的导频进行训练。在信道估计之后，基于神经网络的接收器--具体地说，自动编码器--联合学习用于数据符号检测的预编码器和解码器。由于量化会阻止端到端训练，因此我们为此模型提出了两步顺序训练策略。使用合成数据，我们基于深度学习的信道估计可以在平均SNR高达14 dB的情况下优于非量化（全分辨率）OFDM的最小二乘（LS）信道估计。对于数据检测，我们提出的设计实现了较低的比特出错率（BER）在衰落比未量化的OFDM在平均信噪比高达10 dB。
2019-05-27 cs.IT cs.LG eess.SP
Generalized BER of MCIK-OFDM with Imperfect CSI: Selection combining GD versus ML receivers
分析了多载波索引键控-正交频分复用（MCIK-OFDM）选择合并分集接收的出错率。特别是，我们提出了一个通用的框架，以获得低复杂度的贪婪检测器（GD）和最大似然（ML）检测器的BER。在此基础上，推导出了在信道状态信息（CSI）不完全情况下，SC采用ML或GD时MCIK-OFDM系统误码率的解析表达式。渐近分析，以获得有益的洞察不同CSI条件对这两个检测器的BER的影响。更重要的是，我们在理论上提供了在每个特定CSI不确定性下使用GD而不是ML的机会，这取决于接收器天线的数量和M进制调制大小。最后，为了验证我们的理论表达式和分析，提供了大量的仿真结果。
2022-07-29 cs.IT eess.SP math.IT
Improved Receivers for Optical Wireless OFDM: An Information Theoretic Perspective
我们考虑的性能增强的非对称限幅光正交频分复用（ACO-OFDM）和相关的光OFDM方案，这是强度调制光无线通信中的OFDM的变化。与大多数现有的研究改进的接收机的具体设计，本文研究了所有可能的接收机的信息理论的限制。对于独立同分布的复高斯输入，我们得到了ACO-OFDM的信息速率的一个精确的描述与改进的接收机的所有SNR。证明了改进接收机的高信噪比增益渐近达到1/4比特/信道使用，相当于3 dB的电信噪比或1.5 dB的光信噪比;随着信噪比的降低，改进接收机的最大可达信噪比增益单调下降到一个非零的低信噪比极限，对应的信息速率增益为36.3%。对于实际使用的星座，我们得到一个上界的增益改进的接收机。数值结果表明，结合现有的改进接收机和编码调制，可以接近上界的光信噪比在1 dB以内。我们还表明，我们的信息理论分析可以扩展到Flip-OFDM和PAM-DMT。我们的研究结果意味着，对于所考虑的方案，改进的接收机可以在低到中等的SNR下显著地减少与信道容量的差距。
2022-05-04 cs.IT math.IT
Deep-OFDM: Neural Modulation for High Mobility
University of Texas at Austin（德克萨斯大学奥斯汀分校）；Princeton University（普林斯顿大学）
本文提出DeepOFDM，一种结合轻量级CNN的可学习调制框架，通过打破传统QAM的旋转对称性，提升高速移动环境下OFDM系统的性能与频谱效率。
2026-04-16 cs.IT math.IT
Joint Channel Estimation and Nonlinear Distortion Compensation in OFDM Receivers
功率放大器（PA）中的非线性失真会严重降低正交频分复用（OFDM）通信系统的性能。本文提出了一种OFDM信号的最大似然信道频率响应和非线性PA模型联合估计器。推导的估计器是基于泰勒级数表示的功率放大器的非线性，适用于广泛的无记忆PA模型。本文还提出了一种用于接收端非线性失真自适应补偿的次优判决辅助算法。结果表明，所提出的算法可以用于IEEE 802.11a/g/p/ac兼容的无线局域网接收机，而无需在发送端进行任何修改。通过计算机模拟研究了所提算法的性能。
2016-12-29 cs.IT math.IT
Hybrid Neural/Traditional OFDM Receiver with Learnable Decider
Huawei Technologies Canada Co., Ltd.（华为技术有限公司加拿大分公司）
本文提出一种混合OFDM接收机，结合传统和神经接收机的优势，通过可学习判别器动态选择最优接收机以提升信道适应性与性能稳定性。
2025-09-23 cs.IT math.IT
A New OFDM System for IIR Channels
在本文中，我们提出了一种新的OFDM系统的IIR信道的形式为$B(z)/A(z)$的两个多项式$A(z)$和$B(z)$。与FIR信道上的常规OFDM传输不同，OFDM符号的保护间隔被添加，使得接收机处的对应部分是接收到的OFDM符号的循环前缀（CP）。保护间隔和CP长度相同，并且不小于多项式$A(z)$和$B(z)$的阶数。没有保护间隔的OFDM符号与没有CP的传统OFDM符号相同。在接收机处，IIR信道然后被转换为无符号间干扰（ISI）的$N$子信道，其中$N$是OFDM符号的子载波的数目。
2022-12-09 cs.IT eess.SP math.IT
Reliable OFDM Receiver with Ultra-Low Resolution ADC
低分辨率模数转换器（ADC）的使用可以显著降低功耗和硬件成本。然而，它们产生的严重非线性失真使得可靠的数据传输具有挑战性。对于正交频分复用（OFDM）传输，子载波之间的正交性被破坏。这使得严重依赖这种正交性的传统OFDM接收机失效。在这项研究中，我们移动到量化的OFDM（Q-OFDM）原型实现的基础上，我们以前的成就在最佳Q-OFDM检测。首先，我们提出了一种新的Q-OFDM信道估计器，通过扩展的广义Turbo（GTurbo）的框架，以前适用于最佳检测。具体来说，我们将一种鲁棒线性OFDM信道估计器集成到原始GTurbo框架中，并推导出其相应的外部信息来保证其收敛性。我们还提出了可行的方案，自动增益控制，噪声功率估计，和同步。结合所提出的推理算法，我们开发了一个高效的Q-OFDM接收机架构。此外，我们建立了一个概念验证原型系统，并进行空中（OTA）实验，以检查其可行性和可靠性。这是第一个工作，集中在低分辨率量化通信领域的算法设计和系统实现。数值仿真和OTA实验结果表明，该方法可以实现可靠的数据传输。
2019-01-20 cs.IT math.IT
Joint Transmitter and Receiver Energy Minimization in Multiuser OFDM Systems
在本文中，我们制定和解决的加权和发射机和接收机能量最小化（WSTREMin）的正交频分复用（OFDM）为基础的多用户无线系统的下行链路中的问题。所提出的方法提供了分配不同级别的重要性的基站（BS）和移动终端（MT）的功耗，对应于BS连接到电网和MT依赖于电池的灵活性。为了深入了解问题的特征，我们首先分别考虑两种极端情况，即，用于MT的加权和接收器侧能量最小化（WSREMin）和用于BS的发射器侧能量最小化（TEMin）。结果表明，动态TDMA（D-TDMA），其中MT被调度为单用户正交时隙OFDM传输，是最佳的传输策略WSREMin在MT，而OFDMA是最佳的TEMin在BS。作为两种极端情况的混合，我们进一步提出了一种新的多址接入方案，即，时隙OFDMA（TS-OFDMA）方案，其中MT被分组到正交时隙中，其中OFDMA应用于在相同时隙内分配的用户。TS-OFDMA可以被示出为包括D-TDMA和OFDMA两者作为特殊情况。数值结果证实，所提出的计划，使BS和MT之间的能量消耗权衡灵活的范围。
2014-07-14 cs.IT math.IT
A New Combination of Message Passing Techniques for Receiver Design in MIMO-OFDM Systems
在本文中，我们提出了一种新的组合消息传递算法，允许置信传播（BP）和平均场（MF）应用于同一个因素节点，使MF可以应用于硬约束因素。基于所提出的消息传递算法，设计了MIMO-OFDM系统的迭代接收机。BP和MF都被用来处理涉及信道系数和数据符号相乘的硬约束因子节点，以降低仅使用BP的复杂度。数值结果表明，提出的低复杂度接收机的误码率性能接近的国家的最先进的接收机，其中只有BP是用来处理硬约束因素，在高信噪比。
2017-01-23 cs.IT math.IT
Adaptive Neural Network-based OFDM Receivers
我们提出并研究了不断适应国家的最先进的神经网络（NN）为基础的正交频分复用（OFDM）接收机的想法，以当前的信道条件。这种通过再训练的在线自适应主要由两个原因激发：首先，接收机设计通常关注广泛的可能信道实现的通用最佳性能。然而，在实际应用中并且在短时间间隔内，仅这些信道参数的子集可能出现，作为宏参数，例如，可以假设最大信道延迟是静态的。第二，在实际（真实世界）传输中可能发生现场更改，如时间干扰或超出原始预期规范的其他条件。虽然传统的（基于滤波器的）系统需要重新配置或额外的信号处理来应对这些不可预见的条件，但基于NN的接收器可以学习减轻以前看不见的影响，即使在部署之后。为此，我们展示了对当前信道条件和时间变化的动态适应，仅基于从外部前向纠错（FEC）码恢复的标签，而无需任何额外的引导开销。为了强调所提出的自适应训练的灵活性，我们展示了大量的收益与静态信道宏参数的情况下，超出规格的使用和干扰补偿。
2022-07-21 cs.IT eess.SP math.IT
End-to-End Learning of OFDM Waveforms with PAPR and ACLR Constraints
Nokia Bell Labs（诺基亚贝尔实验室）；NVIDIA（英伟达）
正交频分复用（OFDM）技术由于其对多径环境的有效处理而被广泛应用于现代无线网络中。然而，它具有差的峰均功率比（PAPR），这需要大的功率回退，降低了功率放大器（PA）的效率。在这项工作中，我们建议使用一个神经网络（NN）在发射机学习高维调制方案，允许控制PAPR和相邻信道泄漏比（ACLR）。在接收器侧，实现基于NN的接收器以执行所传输的比特的解映射。这两个NN在OFDM之上操作，并且使用对PAPR和ACLR实施约束的训练算法以端到端的方式联合优化。仿真结果表明，学习的波形能够实现比音调预留基线更高的信息速率，同时满足预定义的PAPR和ACLR目标。
2021-06-30 cs.IT cs.LG eess.SP
Detection of Nonlinearly Distorted OFDM Signals via Generalized Approximate Message Passing
在本文中，我们提出了一个实用的接收机的多载波信号受到一个强的无记忆非线性。接收机的设计是基于广义近似消息传递（GAMP）的框架，这使得实时算法实现在软件或硬件中具有中等复杂度。在AWGN信道中，当OFDM信号具有削波非线性且削波波形的波峰因子仅为1.9dB时，在误码率范围为$10^{-4}\div10^{-6}$的情况下，与理想的未编码线性OFDM传输相比，该接收机可以提供超过2dB的增益。仿真结果还表明，该接收机提供了显着的性能增益在频率选择性多径信道
2017-03-05 cs.IT math.IT
Deep-Waveform: A Learned OFDM Receiver Based on Deep Complex-valued Convolutional Networks
离散傅里叶变换（DFT/IDFT）通常被认为是正交频分复用（OFDM）系统的基本部分。本文提出了一种深度复值卷积网络（DCCN），用于在不依赖任何显式DFT/IDFT的情况下从时域OFDM信号中恢复比特。DCCN可以利用OFDM波形的循环前缀（CP），通过用学习的线性变换代替DFT来增加SNR，并且具有结合CP利用、信道估计和符号间干扰（ISI）抑制的优点，其复杂度为$\mathcal{O}(N^2)$。数值试验表明，在具有不同时延扩展和移动性的瑞利衰落信道中，DCCN接收机的性能优于传统的基于理想和近似线性最小均方误差（LMMSE）估计的信道估计器和传统的CP增强技术.所提出的方法受益于复值神经网络的表达特性，然而，目前缺乏流行的深度学习平台的支持。作为响应，为无线PHY的卷积网络的设计和分析提供了复值卷积层的精确和近似实现的指南。此外，一套新的训练技术的开发，以提高训练模型在衰落信道中的收敛性和泛化能力。这项工作展示了深度神经网络处理OFDM波形的能力，结果表明OFDM接收机中的FFT处理器可以被硬件AI加速器取代。
2021-05-06 cs.IT cs.NI eess.SP
Artificial Intelligence-aided Receiver for A CP-Free OFDM System: Design, Simulation, and Experimental Test
正交频分复用（OFDM）技术通常具有足够的循环前缀（CP），在各种通信系统中得到了广泛的应用。OFDM中的CP消耗了额外的资源，降低了频谱和能量效率。然而，信道估计和信号检测是非常具有挑战性的无CP OFDM系统。在本文中，我们提出了一种新的人工智能（AI）辅助接收机（AI接收机）的无CP OFDM系统。AI接收机包括信道估计神经网络（CE-NET）和基于正交近似消息传递（OAMP）的信号检测神经网络，称为OAMP-NET。CE-NET由最小二乘信道估计算法初始化，并由线性最小均方误差神经网络进行优化。通过对迭代OAMP算法进行展开，并加入若干可训练参数，建立了OAMP-NET，以提高检测性能。我们首先通过广泛的仿真研究它们在不同信道模型下的性能，然后使用5G快速原型系统建立一个真实的传输系统进行空中（OTA）测试。基于我们的研究，人工智能接收机可以估计时变信道与一个单一的训练阶段。该算法对各种缺陷具有很强的鲁棒性，性能优于同类算法，尤其是高阶调制。OTA测试进一步验证了其在实际环境中的可行性，并表明了其在未来通信系统中的潜力。
2019-05-04 cs.IT math.IT
Machine Learning-enhanced Receive Processing for MU-MIMO OFDM Systems
Nokia Bell Labs（诺基亚贝尔实验室）；NVIDIA（英伟达）
机器学习（ML）可以以各种方式用于改进多用户多输入多输出（MU-MIMO）接收处理。典型的方法或者增强单个处理步骤，例如符号检测，或者由单个神经网络（NN）联合地替换多个步骤。这些技术表现出有前途的结果，但往往假设完美的信道状态信息（CSI）或无法满足实际系统所施加的可解释性和可扩展性的约束。在本文中，我们提出了一种新的策略，它保留了传统接收器的优点，但增强了ML组件的特定部分。其核心思想是利用正交频分复用（OFDM）信号结构来改善解映射和信道估计误差统计的计算。评估结果表明，建议ML增强接收机击败实际基线上所有考虑的情况下，在高速显着的收益。
2021-06-30 cs.IT cs.LG eess.SP
Turbo Receiver Design for Phase Noise Mitigation in OFDM Systems
本文研究了OFDM系统中的相位噪声问题。相位噪声（PHN）是由本地振荡器的非理想性导致的收发器损害。我们提出了一种情况下，设计一个涡轮接收机的相位噪声损坏的系统，通过仔细研究的共同相位误差（CPE）的影响。使用一个近似的概率框架称为变分推理（VI），我们开发了一个软输入软输出（SISO）算法，产生后验比特级软估计，同时考虑到相位噪声的影响。该算法还提供了相位噪声序列的估计。使用该SISO算法，通过在SISO检测器和使用软解码算法的外部前向纠错（FEC）解码器之间传递软信息来设计turbo接收机。结果表明，涡轮接收机达到接近最佳性能。
2010-01-13 cs.IT math.IT
A Low Complexity OFDM Receiver with Combined GAMP and MF Message Passing
在统一的置信传播（BP）和平均场（MF）框架下，提出了一种迭代消息传递接收机，用于OFDM系统的信道状态和噪声精度（噪声方差的倒数）联合估计和解码。最近开发的广义近似消息传递（GAMP）被纳入BP-MF框架，其中MF用于处理具有未知噪声精度的观测因子节点，GAMP用于时频域中的信道估计。与文献中的最先进的算法相比，该算法要么提供类似的性能与低得多的复杂度，或提供更好的性能与类似的复杂度。此外，该算法具有最快的收敛速度。
2017-11-10 cs.IT math.IT
CoNet-Rx: Collaborative Neural Networks for OFDM Receivers
本文提出CoNet，一种用于OFDM接收机的协作神经网络架构，通过多个小型子网络并行处理信号特征并融合输出，在相同复杂度下显著提升误码率性能并降低推理延迟。
2025-10-14 cs.IT math.IT
Performance Analysis of SPAD-Based Optical Wireless Communication with OFDM
近年来，单光子雪崩二极管（SPAD）在光无线通信（OWC）中的应用越来越受到人们的关注。SPAD在盖革模式下工作，可以作为光子计数接收器，从而无需跨谐放大器（TIA）。虽然SPAD接收机可以提供更高的灵敏度相比，传统的线性光电探测器，它遭受的死区时间引起的非线性。为了提高基于SPAD的OWC系统的数据率，可以采用光正交频分复用（OFDM）。本文提供了一个全面的理论分析的SPAD为基础的OWC系统使用OFDM信令考虑信号削波，SPAD非线性，和信号相关的散粒噪声的影响。提出了一种等效的加性高斯噪声信道模型来描述基于SPAD的OFDM系统的性能。该信道模型的统计特性以及信噪比（SNR）和出错率（BER）的解析表达式推导出封闭的形式。通过大量的数值计算，研究了接收机独特的非线性对系统性能的影响。结果表明，新的见解不同的光功率制度的可靠运行的SPAD为基础的OFDM系统，甚至远远超过SPAD饱和水平。
2022-06-04 cs.IT eess.SP math.IT
Low-Complexity OFDM Deep Neural Receivers
VIAVI Marconi Labs, VIAVI Solutions Inc.（维亚威马科尼实验室，维亚威解决方案公司）
本文提出了一种低复杂度的OFDM深度神经接收机，通过改进的残差网络结构减少计算量并提升解码性能。
2025-12-04 cs.IT math.IT
Receiver-based Recovery of Clipped OFDM Signals for PAPR Reduction: A Bayesian Approach
限幅是正交频分复用（OFDM）中最简单的降低峰均功率比（PAPR）的方法之一。故意削波传输信号会降低系统性能，并且在接收机处需要削波缓解以用于信息恢复。在这项工作中，我们承认削波信号的稀疏性，并提出了一个低复杂度的贝叶斯削波估计方案。该方案利用先验信息的稀疏率和噪声方差增强恢复。同时，该方案对不准确的削波信号统计估计具有鲁棒性。削波信号的未失真相位特性以及削波可能性被用于增强重建。此外，现代OFDM为基础的通信系统的性质的动机，我们扩展我们的裁剪重建方法，多天线接收机，和多用户OFDM。我们还解决了由限幅失真污染的导频的信道估计的问题。数值结果，描绘有利的结果相比，所提出的计划建立稀疏重建计划。
2014-10-21 cs.IT math.IT stat.AP
Message-Passing Receiver for Joint Channel Estimation and Decoding in 3D Massive MIMO-OFDM Systems
本文研究了三维大规模MIMO-OFDM系统的消息传递接收机设计。借助于中心极限论证和泰勒级数近似，在期望传播的框架下设计了一种计算效率高的联合信道估计和译码接收机。特别地，利用Wirtinger演算将定义在信道转移函数上的局部信念扩展到二阶，将信道转移函数发送的信息转化为易于处理的形式.因此，通过高斯消息传递来估计每对天线之间的信道脉冲响应（CIR）。此外，一个变分的期望最大化（EM）为基础的方法来学习信道的功率延迟分布（PDP）。在具有空间相关信道的3D大规模MIMO系统中对所提出的联合算法进行了评估，实验结果证实了其在性能和复杂度方面的优越性。
2016-01-04 cs.IT math.IT
Limiting Performance of Conventional and Widely Linear DFT-precoded-OFDM Receivers in Wideband Frequency Selective Channels
本文描述了线性和判决反馈均衡器（DFE）的限制行为，在单/多天线系统采用实/复值调制字母表。宽带频率选择性信道建模使用瑞利衰落信道模型与无限数量的时域信道抽头。使用这个模型，我们表明，所考虑的均衡器提供了一个固定的后信号噪声比（后SNR）在均衡器的输出，接近匹配滤波器界（MFB）。后SNR的一般表达式得到迫零（ZF）为基础的常规接收机以及接收机采用广泛的线性（WL）处理的情况下。仿真研究了基于MMSE和ZF的接收机的误出错率性能。结果表明，所考虑的接收机有利地利用丰富的频率选择性信道，以减轻衰落和符号间干扰（ISI），同时提供与MFB相当的性能。
2013-07-14 cs.IT math.IT
Diversity Analysis of Millimeter-Wave OFDM Massive MIMO Systems
分析了毫米波大规模多输入多输出（MIMO）系统中采用正交频分复用（OFDM）的分布式天线子阵的分集增益。我们表明，分集增益取决于发送的数据流的数量，远程天线单元的数量，和RAU之间的传播路径的数量。此外，我们表明，通过使用比特交织编码多波束形成（BICMB），可以实现最大的分集增益在分布式天线子阵列系统。在这两种情况下的假设是，在发送器和接收器处的天线的数量足够大，并且信道状态信息（CSI）在发送器和接收器处是已知的。
2021-05-10 cs.IT eess.SP math.IT
An Iterative Receiver for OFDM With Sparsity-Based Parametric Channel Estimation
在这项工作中，我们设计了一个接收器，反复通过信道估计和数据解码阶段之间的软信息。接收机采用基于稀疏的参数信道估计。最先进的基于稀疏性的迭代接收器通过将多径延迟限制到网格来简化信道估计问题。我们的破产管理人并没有施加这样的限制。因此，它不会遭受泄漏效应，破坏稀疏性。在高SNR下以接近容量速率的通信需要大的调制阶数。由于此类系统中调制符号非常接近，基于网格的近似精度不够。我们数值计算表明，一个国家的最先进的迭代接收器与基于网格的稀疏信道估计表现出误码率地板在高信噪比制度。相反，我们的接收机执行非常接近完美的信道状态信息的所有SNR值的边界。我们还从理论上和数值上证明了参数信道估计在密集信道中工作良好，即，当多径分量的数量很大并且不能分辨每个单独的分量时。
2018-09-16 cs.IT eess.SP math.IT
Matched-Filter based Backscatter Communication for IoT Devices over Ambient OFDM Carrier
在本文中，我们研究了连接到物联网（IoT）网络的功率受限设备的反向散射通信（BC），其中在接收器处执行联合估计和检测，以检测来自具有环境正交频分复用（OFDM）载波的反向散射设备（BD）的信号。在传统的载波编码中，为了避免载波估计的困难，通常在接收端考虑能量检测器，代价是性能较差。为了提高性能，在本文中，我们考虑了一种新的方法，允许在接收端通过联合估计和检测的载波估计。特别地，在所提出的方法中，在BD处的匹配滤波（用于发射机滤波器）被采用以施加允许经由联合估计和检测的高效且可靠的载波估计的特定属性。通过性能分析和仿真结果，我们表明，匹配滤波在BD在所提出的方法可以提高性能。
2019-08-19 cs.IT eess.SP math.IT
Performance Analysis of SPAD-based OFDM
提出了一种分析单光子雪崩二极管（SPAD）光正交频分复用（O-OFDM）接收机非线性失真误码率出错率性能的方法。本文分析了被动猝灭（PQ）和主动猝灭（AQ）SPAD接收机的主要畸变效应。推导了基于PQ和AQ SPAD的直流偏置O-OFDM和非对称限幅O-OFDM的性能分析。比较结果表明，非线性失真引起的最大光辐照度，限制了传输功率和比特率。理论上，基于SPAD的OFDM系统的最大比特率可达1~Gbits/s。这种方法提供了一个封闭形式的分析解决方案，设计一个最佳的SPAD为基础的系统。
2019-05-15 cs.IT cs.PF eess.SP
Learning During Detection: Continual Learning for Neural OFDM Receivers via DMRS
Advanced Wireless Technology Lab, Huawei Technologies Canada Co. Ltd（华为加拿大技术有限公司先进无线技术实验室）
本文提出通过DMRS实现神经OFDM接收器的持续学习方法，利用现有导频信号同时完成信号解调和模型适应，减少计算复杂性并提升信道变化适应能力。
2026-02-23 cs.AI cs.IT cs.LG
ANN-Based Detection in MIMO-OFDM Systems with Low-Resolution ADCs
Institut National de la Recherche Scientifique (INRS-EMT)（加拿大魁北克大学国家科学研究院（电磁与电信研究所））
在本文中，我们提出了一种多层人工神经网络（ANN）的训练与Levenberg-Marquardt算法用于信号检测多输入多输出正交频分复用（MIMO-OFDM）系统，特别是那些与低分辨率的模数转换器（LR-ADC）。我们考虑一种盲检测方案，其中数据符号估计是在不知道接收端的信道状态信息（CSIR）的情况下进行的-与经典算法相反。所提出的基于人工神经网络的检测器（ANND）的主要功能在于其与任何调制方案的通用性，盲目地，但不改变其结构。我们通过仿真比较了这种新接收机与传统接收机（即最大似然（ML）、最小均方误差（MMSE）和迫零（ZF））的误符号率（SER）性能。结果表明，ANND接近ML在低得多的复杂性，优于ZF在整个范围内的评估信噪比（SNR）值，所以它也是，虽然，与MMSE在不同的SNR范围。
2020-01-31 cs.IT cs.LG eess.SP
Neural Augmentation of MIMO-OFDM Receivers for Universal LLR Reconstruction
Ben-Gurion University of the Negev（内盖夫本-古里安大学）
提出一种紧凑模块化DNN增强方法，通用地改进现有接收机的软输出，处理结构不完整软信息和硬件损伤导致的退化软输出，产生校准的对数似然比用于信道解码。
2026-06-28 cs.IT eess.SP math.IT
Machine Learning for MU-MIMO Receive Processing in OFDM Systems
Nokia Bell Labs（诺基亚贝尔实验室）；Univ. Lyon（里昂大学）；INSA Lyon（里昂国立应用科学学院）；Inria（法国国家信息与自动化研究所）
机器学习（ML）开始被广泛用于增强多用户多输入多输出（MU-MIMO）接收机的性能。然而，目前还不清楚，如果这些方法是真正的竞争力相对于传统的方法在现实的情况下，并在实际的限制。除了在实际信道模型上实现准确的信号重建外，MU-MIMO接收算法还必须能够轻松适应不同数量的用户，而无需重新训练。在现有的工作相比，我们提出了一种ML增强MU-MIMO接收机，建立在传统的线性最小均方误差（LMMSE）架构的顶部。它保留了LMMSE接收机的可解释性和可扩展性，同时以两种方式提高其精度。首先，使用卷积神经网络（CNN）来计算精确均衡所需的信道估计误差的二阶统计的近似。其次，基于CNN的解映射器联合处理大量正交频分复用（OFDM）符号和子载波，这允许其通过补偿信道老化来计算更好的对数似然比（LLR）。由此产生的架构可以用于上行链路和下行链路，并以端到端的方式进行训练，从而消除了在训练阶段对难以获得的完美信道状态信息（CSI）的需要。仿真结果表明，一致的性能改善的基线，特别是在高流动性的情况下显着。
2021-06-30 cs.IT cs.LG eess.SP
Coherent Detection of Turbo-Coded OFDM Signals Transmitted through Frequency Selective Rayleigh Fading Channels with Receiver Diversity and Increased Throughput
在这项工作中，我们讨论相干检测Turbo编码的正交频分复用（OFDM）信号，通过频率选择性瑞利（每个信道抽头的幅度是瑞利分布）衰落信道具有均匀的功率延迟分布传输的技术。除了加性高斯白噪声（AWGN）之外，信道输出还被载波频率和相位偏移进一步失真。提出了一种新的OFDM帧结构，它由已知的前导码、循环前缀、数据和已知的后同步码组成，与以前的工作相比具有更高的吞吐量。提出了一种鲁棒的Turbo码译码器，该译码器能在较宽的信噪比范围内有效地工作。对实际相干接收机的良好性能的关键贡献是由于使用了长前导码（512个QPSK符号），这可能在任何当前无线通信标准中都没有规定。我们还从计算机模拟中表明，使用更好的码可以获得更好的BER性能。推导了相干检测频偏估计误差方差的一个简单近似的Cramer-Rao界。所提出的算法非常适合在DSP平台上实现。
2015-11-03 cs.IT math.IT
Receiver Architectures for MIMO-OFDM Based on a Combined VMP-SP Algorithm
迭代信息处理，无论是基于物理学或分析框架，已被证明是一个非常强大的工具，设计高效，但可行的，无线接收机架构。在这种情况下，执行概率图上的消息传递的算法，如和积（SP）和变分消息传递（VMP）算法，已经变得越来越流行。在这方面的贡献，我们将结合VMP-SP消息传递技术的MIMO-OPFM系统的接收机的设计。组合格式的信息传递方程可以由基于约束区域的自由能近似的驻点方程得到。当应用到MIMO-OFDM概率模型，我们得到了一个通用的接收机结构进行迭代信道权重和噪声精度估计，均衡和数据解码。我们表明，这种通用的方案可以具体到各种不同的接收机结构，从高性能的迭代结构，以低复杂度的接收机。这允许针对每个特定应用的要求专门定制的信号处理的灵活设计。基于蒙特卡罗模拟的数值评估，我们的解决方案，证实了所提出的算法的高性能和其优越性的启发式方法。
2011-11-24 cs.IT math.IT stat.ML
Deep Learning Based Equalizer for MIMO-OFDM Systems with Insufficient Cyclic Prefix
Huawei Technology（华为技术有限公司）；Southeast University（东南大学）
研究了循环前缀不足时多输入多输出（MIMO）正交频分复用（OFDM）系统的均衡设计问题。特别是当多径时延扩展超过CP长度时，载波间干扰（ICI）和符号间干扰（ISI）会严重影响信号检测性能。为了解决这个问题，提出了一种基于深度学习的均衡器来近似最大似然检测。受相邻子载波之间的依赖性的启发，开发了一种计算效率高的联合检测方案。采用建议的均衡器，一个迭代接收机也被构造和检测性能进行了评估，通过模拟测量多径信道。我们的研究结果表明，建议的接收机可以实现显着的性能改善相比，两个传统的基线计划。
2020-07-23 cs.IT cs.LG math.IT
Hybrid Group Decoding for Scalable Video over MIMO-OFDM Downlink Systems
提出了一种基于MIMO-OFDM系统的可伸缩视频广播方案。可伸缩视频源层被信道编码和调制成独立的信号流，然后在某些时频块中从分配的天线发送。每个接收机采用连续组解码器，通过将其他信号流视为干扰来解码感兴趣的信号流。发射机根据接收机反馈的速率信息进行自适应编码和调制，以及发射天线和子载波分配。我们还提出了一种混合接收机，连续组解码器和MMSE解码器之间的切换取决于速率。大量的仿真结果表明，所提出的基于组解码的可伸缩视频广播方案的性能增益的基础上，传统的MMSE解码。
2013-06-20 cs.IT math.IT
Input-Output Relation and Low-Complexity Receiver Design for CP-OTFS Systems with Doppler Squint
针对OTFS系统中多普勒斜视效应累积问题，提出CP-OFDM基OTFS系统的输入输出关系与低复杂度接收机设计，通过双前缀符号简化信道估计并利用块对角特性实现线性均衡，仿真验证了方案有效性。
2023-10-11 cs.IT eess.SP math.IT
A Comparison of SC-FDE and UW DFT-s-OFDM for Millimeter Wave Communications
在这项研究中，我们比较了IEEE 802.11ad中采用的单载波（SC）波形和唯一字离散傅里叶变换扩展正交频分复用（UW DFT-s-OFDM）波形。我们提供等效表示的SC波形的上采样和下采样操作，通过使用离散傅里叶变换（DFT）和逆DFT，使这两个类似的波形的显式比较。通过使用这种表示，我们讨论了为什么IEEE 802.11ad SC波形会导致次优性能在多径信道中，并讨论如何改善它与UW DFT-s-OFDM。通过全面的链路级仿真，我们表明，用UW DFT扩展OFDM替换802.11ad SC波形可以在不影响IEEE 802.11ad数据包结构的情况下使峰值吞吐量增加1 dB。我们还评估了发射机是UW-DFT-s-OFDM和接收机是传统的SC-FDE或反之亦然的交叉链路。我们证明了UW DFT-s-OFDM接收机可以解码IEEE 802.11ad SC波形的轻微SNR损失，而IEEE 802.11ad SC接收机可以解码UW DFT扩展OFDM波形的干扰地板。
2018-01-28 cs.IT math.IT
Model-Driven Deep Learning-Based MIMO-OFDM Detector: Design, Simulation, and Experimental Results
多输入多输出正交频分复用（MIMO-OFDM）是一种基本的传输方案，具有高吞吐量和抗多径衰落的鲁棒性。然而，这些益处依赖于接收器处的有效检测策略，并且以循环前缀（CP）消耗的额外带宽为代价。我们使用迭代正交近似消息传递（OAMP）算法在本文中作为原型的检测器，因为它显着的潜在干扰抑制。然而，OAMP对于每次迭代的矩阵求逆在计算上是昂贵的。我们用共轭梯度（CG）方法代替矩阵求逆来降低OAMP的复杂度。我们进一步将基于CG的OAMP算法展开到网络中，并通过深度学习（DL）调整关键参数以提高检测性能。仿真结果和复杂度分析表明，该方案具有显着的增益比其他迭代检测方法，并表现出相当的性能，以减少计算成本的国家的最先进的基于DL的检测器。此外，我们设计了一个高效的无CP的MIMO-OFDM接收机架构，以消除CP开销。该架构首先通过缓冲先前恢复的数据来消除符号间干扰，然后使用所提出的检测器来检测信号。数值实验表明，所设计的接收机提供了一个更高的频谱效率比传统的接收机。最后，空中测试验证了所提出的方案在现实环境中的有效性和鲁棒性。
2022-06-22 cs.IT eess.SP math.IT
A Signal Detection Scheme Based on Deep Learning in OFDM Systems
Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；China University of Petroleum (East China)（中国石油大学（华东））
在正交频分复用（OFDM）系统中，信道估计和信号检测是保证端到端通信质量的重要环节。在本文中，我们开发了一种DDLSD方法，即，OFDM系统中信号检测的数据驱动深度学习。首先，建立了OFDM系统模型。然后，将长短期记忆（LSTM）引入OFDM系统模型。通过仿真生成无线信道数据，将预处理后的时间序列特征信息输入LSTM完成离线训练。最后，利用训练好的模型对发射信号进行在线恢复。该方案与现有OFDM接收机的不同之处在于将信道状态信息（CSI）的显式估计转化为不可见的估计，并直接恢复发送符号。仿真结果表明，DDLSD方案在改善信道估计和信号检测性能方面优于现有的传统方法。
2021-07-24 cs.IT cs.LG eess.SP
Performance Analysis and Compensation of Joint TX/RX I/Q Imbalance in Differential STBC-OFDM
差分空时分组编码（STBC）实现了全空间分集，避免了信道估计开销。在高频率选择性信道中，空时分组码与正交频分复用（OFDM）相结合，以有效地减轻符号间干扰的影响。然而，STBC-OFDM的低成本实现与直接转换收发器是敏感的同相/正交相位不平衡（IQI）。在本文中，我们量化的性能影响的IQI在发射机和接收机的射频前端差分STBC-OFDM系统，这在文献中还没有调查过。此外，我们提出了一种宽线性补偿算法在接收端，以减轻性能下降所造成的发射机和接收机端的像质计。此外，提出了一种基于参数的广义算法来提取IQI参数，提高了高移动性下的性能。自适应补偿算法是盲的，并且在不使用已知导频或训练序列的情况下以决策导向的方式工作。数值结果表明，我们提出的补偿算法可以有效地消除差分STBC-OFDM中的IQI。
2016-12-27 cs.IT math.IT
Channel Independent Precoder for OFDM-based Systems over Fading Channels
本文提出一种用于衰落信道OFDM系统的信道独立预编码器，通过信息重新分配和交织器降低接收端瞬时噪声功率方差，并用削波因子约束改进ZF均衡器的增益，以适应信道条件。
2025-01-24 cs.IT eess.SP math.IT
Performance and Compensation of I/Q Imbalance in Differential STBC-OFDM
差分空时分组编码（STBC）实现了完全空间分集并避免了信道估计开销。在高频率选择性信道中，空时分组码与正交频分复用（OFDM）相结合以实现高性能。然而，使用直接转换收发器的差分STBC-OFDM的低成本实现对同相/正交相位不平衡（IQI）敏感。在本文中，我们量化的性能影响的接收前端的差分STBC-OFDM系统，并提出了一种补偿算法，以减轻其影响。所提出的接收器IQI补偿以自适应决策导向的方式工作，而不使用已知的导频或训练序列，这减少了由于训练开销而导致的速率损失。数值结果表明，本文提出的补偿算法可以有效地降低差分STBC-OFDM系统的接收像质差。
2016-12-27 cs.IT math.IT
Beam Refinement and User State Acquisition via Integrated Sensing and Communication with OFDM
毫米波（mmWave）通信的性能在很大程度上依赖于基站和用户终端侧的精确波束成形，称为波束对准（BA）。现有的BA算法提供初始但粗略的角度估计，因为它们通常使用有限数量的离散波束（角度）的码本。面向新兴的应用程序，需要及时和精确的跟踪动态变化的用户状态，我们考虑一个系统，其中一个基站与一个共同定位的雷达接收机估计相关的用户状态参数，并同时发送OFDM调制的数据符号。特别是，基于混合数字模拟数据发射机/雷达接收机架构，我们提出了一个简单的波束细化和初始状态捕获方案，可用于波束和用户位置跟踪在动态环境中。以IEEE802.11ad参数为例，仿真结果表明，该方法能够显著提高通信速率，进而实现精确的状态估计。
2021-09-21 cs.IT eess.SP math.IT
Clipping noise cancellation receiver for the downlink of massive MIMO OFDM system
本文提出了一种用于mMIMO OFDM系统下行链路的多天线削波噪声消除（MCNC）算法及其简化版本，有效消除了由射频前端非线性引起的失真，且在直视信道下简化版性能仅略有下降。
2023-06-30 cs.IT cs.NI math.IT
A Factor Graph Approach to Joint OFDM Channel Estimation and Decoding in Impulsive Noise Environments
提出了一种新的脉冲噪声环境下的正交频分复用（OFDM）接收机。脉冲噪声在许多现代无线和有线通信系统（诸如Wi-Fi和电力线通信）中由于比热噪声强得多的不协调干扰而出现。我们首先表明，误码率最佳接收机联合估计的传播信道系数，噪声脉冲，有限字母表符号，和未知位。然后，我们提出了一个接近最佳但计算上易于处理的方法，这个联合估计问题，使用循环的信念传播。特别是，我们合并了最近提出的“广义近似消息传递”（GAMP）算法的前向-后向算法和软输入软输出解码使用“涡轮”的方法。数值结果表明，所提出的接收机大大优于现有的接收机在脉冲噪声和匹配滤波器的界限内1 dB。同时，对于N个音调，所提出的基于因子图的接收机仅具有O（Nlog N）的复杂度，并且可以并行化。
2013-06-07 cs.IT math.IT stat.ML
Compensation of Amplifier Distortion for OFDM signals based on Iterative Hard Thresholding
正交频分复用（OFDM）系统中功率放大器（PA）引起的非线性失真的缓解是实现能量有效操作的重要问题。在这项工作中，我们提出了一种新的算法，在OFDM系统中，基于接收机的削波估计相结合的迭代硬采样保持（IHT）方法与相应的加权削波的估计概率。因此，更一般的放大器输入-输出特性被认为是在接收器侧被假定为是未知的。此外，我们避免使用专用的子载波，并制定的恢复问题，完全可靠地检测到的子载波。通过模拟，我们表明，所提出的技术实现了更好的复杂性和性能的权衡相比，现有的方法。
2015-07-01 cs.IT math.IT
5 Gbps Optical Wireless Communication Using Commercial SPAD Array Receivers
光子计数探测器，如单光子雪崩二极管（SPAD）阵列，可以用来提高光无线通信（OWC）系统的灵敏度。然而，基于SPAD的OWC系统的可实现的数据率受到由SPAD死区时间引起的非线性的强烈限制。研究了基于SPAD的正交频分复用（OFDM）OWC系统的性能，并与开关键控（OOK）系统进行了比较。我们采用非线性均衡，峰均功率比优化，通过调整OFDM限幅电平，自适应比特和能量加载，以实现5 Gbps的记录实验数据率。两个调制方案的操作的对比最佳制度也证明了。
2022-04-04 cs.IT eess.SP math.IT
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
A Message-Passing Receiver for BICM-OFDM over Unknown Clustered-Sparse Channels
提出了一种基于因子图的比特交织编码正交频分复用（BICM-OFDM）联合信道估计与解码（JCED）方法。与现有的设计相比，我们的设计不仅能够利用采样信道抽头中的稀疏性，而且能够利用大抽头之间的聚类，这是已知的表现在较大的通信带宽的行为。为了利用这些通道抽头结构，我们采用了两个状态的高斯混合先验与马尔可夫模型的隐藏状态。对于循环的信念传播，我们利用了“广义近似消息传递”（GAMP）算法最近开发的压缩感知的背景下，并表明它可以成功地耦合软输入软输出解码，以及隐马尔可夫推理，通过标准的和-积框架。对于N个子载波和任何信道长度L < N，所得到的JCED-GAMP方案具有仅O（N log 2 N + N |S|）的计算复杂性，其中|S|是星座大小。在IEEE 802.15.4a信道上的数值实验表明，该方案的误码性能优于已知信道下界的1 dB，比基于LMMSE和LASSO的软均衡器的误码性能好3-4 dB。
2011-06-06 cs.IT math.IT
On the Probability of Erasure for MIMO-OFDM
检测有效信号的存在是电信接收机的重要任务。当接收器由于噪声和衰落而不能检测到有效信号的存在时，它被称为擦除。研究了多输入多输出（MIMO）系统中正交频分复用（OFDM）信号的擦除概率计算问题。计算机模拟验证了理论分析的正确性。正交频分复用（OFDM）技术由于能够有效地抑制频率选择性衰落信道引起的码间干扰（ISI）而被广泛应用于无线通信系统中。MIMO系统提供了空间复用的优势，从而提高了比特率，这是5G等最新无线标准的主要要求。
2020-03-02 cs.IT math.IT
Energy-Efficient Power Loading for OFDM-based Cognitive Radio Systems with Channel Uncertainties
针对信道不确定性下基于正交频分复用的认知无线电系统，提出了一种新的能量效率优化算法。我们制定了一个优化问题，保证了最低所需的速率和指定的功率预算的次要用户（SU），同时限制干扰的主要用户（PU）的统计方式。优化问题是非凸的，它被转化为一个等价的问题，使用分式规划的概念。与文献中的所有相关作品不同，我们考虑了SU发送器和接收器对之间的链路上的不完美的信道状态信息（CSI）的影响，并且我们还考虑了SU的有限感知能力的影响。由于干扰约束在统计上得到满足，因此SU发射机不需要来自PU接收机的完美CSI反馈。仿真结果表明，随着信道估计误差的增大，EE恶化.与文献中相关工作的比较表明，如果SU不考虑频谱感知误差，则PU接收机处的干扰阈值可以被严重超过，EE略有恶化。
2019-02-08 cs.IT eess.SP math.IT
