Sensing Integrated DFT-Spread OFDM Waveform and Deep Learning-powered Receiver Design for Terahertz Integrated Sensing and Communication Systems
太赫兹(THz)通信由于其超宽带的特性被认为是下一代无线通信系统的关键技术。THz通感一体化(ISAC)系统的发展,使其能够实现前所未有的数据传输速率和毫米级的精确传感。然而,THz ISAC在波形和接收机设计上遇到了严格的挑战,以充分利用THz信道和收发器的特性。本文提出了一种用于THz ISAC的传感集成离散傅里叶变换扩展正交频分复用(SI-DFT-s-OFDM)系统,该系统具有比OFDM更低的峰均功率比,并能适应THz信道灵活的时延扩展。在不影响通信能力的前提下,提出的SI-DFT-s-OFDM实现了毫米级的距离估计和分米每秒级的速度估计精度。此外,与OFDM相比,在$10^{-3}$ BER水平下,误比特率性能提高了5 dB增益。在接收器端,开发了一种具有两个神经网络的基于深度学习的ISAC接收器,以恢复传输的数据并估计目标距离和速度,同时减轻THz系统的缺陷和非线性。大量的仿真结果表明,所提出的深度学习方法可以实现通信和感知的相互增强的性能,并且对多普勒效应,相位噪声和多目标估计具有鲁棒性。
2022-11-29 eess.SP
SigT: An Efficient End-to-End MIMO-OFDM Receiver Framework Based on Transformer
Xidian University(西安电子科技大学);Queen’s University(女王大学);The Hong Kong Polytechnic University(香港理工大学)
多输入多输出和正交频分复用(MIMO-OFDM)是第四代移动通信系统及后续无线通信系统的关键技术。传统上,MIMO-OFDM接收机由具有不同功能的多个级联块执行,并且每个块中的算法基于无线信道分布的理想假设来设计。然而,这些假设在实际的复杂无线环境中可能失败。深度学习(DL)方法具有从复杂和庞大的数据中捕获关键特征的能力。本文提出了一种基于\textit{transformer}的端到端MIMO-OFDM接收机框架SigT。通过将从每个天线接收的信号视为Transformer的令牌,可以学习不同天线的空间相关性,并且可以减轻关键的zero-shot问题。此外,所提出的SigT框架可以在没有插入导频的情况下很好地工作,这提高了有用的数据传输效率。实验结果表明,SigT在信号恢复精度方面比基准方法有更高的性能,即使在低信噪比环境或少量训练样本的情况下。代码可在https://github.com/SigTransformer/SigT上获得。
2022-11-02 cs.AI cs.LG cs.NI
Secure OFDM System Design and Capacity Analysis under Disguised Jamming
在本文中,我们提出了一种安全的预编码OFDM(SP-OFDM)系统的有效和可靠的传输伪装干扰下,干扰故意误导接收机通过模仿授权信号的特性,并造成完全的通信失败。更具体地说,我们带来了一个动态的星座,通过合法的发射机和接收机之间引入安全共享的随机性,从而打破授权信号和伪装干扰之间的依赖性。利用任意变信道模型分析了传统OFDM和SP-OFDM在恶意干扰下的信道容量。结果表明,在最恶劣的伪装干扰下,传统OFDM系统的确定性编码容量为零。另一方面,由于授权的发送器和接收器之间共享的安全随机性,SP-OFDM可以在伪装干扰下实现正容量,因为对应于SP-OFDM的AVC信道是不可对称化的。所提出的SP-OFDM方案的一个显著特征是,在实现强抗干扰性的同时,它具有与传统OFDM系统大致相同的高频谱效率。通过理论和数值分析证明了该方案在伪装干扰下的鲁棒性。
2019-03-21 eess.SP
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
End-to-end Learning for OFDM: From Neural Receivers to Pilotless Communication
Nokia Bell Labs(诺基亚贝尔实验室);NVIDIA(英伟达)
先前的研究已经证明,端到端学习可以在加性高斯白噪声(AWGN)信道上实现显著的整形增益。然而,它的好处还没有被量化超过现实的无线信道模型。这项工作的目的是填补这一空白,探索使用正交频分复用(OFDM)的频率和时间选择性衰落信道的端到端学习的收益。在接收器处具有不完善的信道知识的情况下,在AWGN信道上观察到的成形增益消失。尽管如此,我们确定了其他两个性能改进的来源。第一个来自基于神经网络(NN)的接收机,该接收机在大量子载波和OFDM符号上运行,可以显着减少正交导频的数量,而不会损失比特出错率(BER)。第二个来自通过联合学习神经接收机连同叠加导频(SIP)、与传统正交幅度调制(QAM)线性组合或优化星座几何形状来完全消除正交导频。所学习的几何结构适用于宽范围的信噪比(SNR)、多普勒和延迟扩展,具有零均值并且因此不包含任何形式的叠加导频。这两种方案都实现了与基于导频的基线相同的BER,吞吐量提高了约7%。因此,我们相信,联合学习的发射机和接收机是超5G通信系统的一个非常有趣的组件,它可以消除对解调参考信号(DMRS)的需求和相关控制开销。
2021-07-29 cs.IT cs.LG eess.SP
Dynamic Metasurface Antennas for MIMO-OFDM Receivers with Bit-Limited ADCs
正交频率调制(OFDM)和多输入多输出(MIMO)系统的结合在现代通信系统中起着重要的作用。为了满足不断增长的吞吐量需求,未来的MIMO-OFDM接收机预计将利用大量的天线,在动态环境中工作,并探索高频段,同时满足成本,功率和尺寸方面的严格约束。一种实现降低成本和功耗的大规模MIMO接收机的新兴技术是基于动态超表面天线(DMA),其固有地实现捕获中的可控压缩。在这项工作中,我们研究的应用DMA的MIMO-OFDM接收机与比特约束的模数转换器(ADC)。我们提出了一个模型的DMA占其超材料元素的可配置的频率选择性配置文件,从而在频谱灵活的混合结构。然后,我们利用之前基于任务的量化结果来展示如何配置DMA以在存在约束ADC的情况下改善恢复,并提出基于信道状态信息调整DMA参数的方法。我们的数值结果表明,基于DMA的接收机是能够准确地恢复OFDM信号。特别是,我们表明,通过适当地利用DMA的频谱分集,显着的性能增益获得了现有的设计传统的混合架构,证明了潜在的DMA的MIMO-OFDM设置在实现高性能的大规模天线阵列的降低成本和功耗。
2019-12-14 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
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
Non-Redundant OFDM Receiver Windowing for 5G Frames & Beyond
当代接收机加窗正交频分复用(RW-OFDM)算法在高延迟扩展和小的快速傅里叶变换(FFT)尺寸下具有有限的邻信道干扰(ACI)抑制能力。循环前缀(CP)被设计为长于信道的最大额外延迟(MED)以适应当前标准中的这种算法。这些算法的鲁棒性只能通过在新的向后不兼容标准中采用额外的扩展来提高。这种扩展尤其会恶化高移动性车辆通信系统的性能。在本文中,我们提出了一个低复杂度的汉恩RW-OFDM方案,提供抗ACI,而不需要任何符号间干扰(ISI)的自由冗余。虽然该方案与当前和传统标准向后兼容,并且不需要改变传统传输的信号,但它也为未来适用于更高移动性车辆通信的频谱时间局部化和高效方案铺平了道路。汉恩窗有效地拒绝非结构化ACI,代价是跨数据载波的结构化和有限的载波间干扰(ICI)。因此,提出了一种简单的最大比合并连续干扰消除(MRC-SIC)接收机来解决这种引起的ICI,并接收由当前使用的标准发射机发送的符号。该方案的计算复杂度与当代RW-OFDM算法相当,而ACI抑制和误比特率性能在长和短延迟扩展方面都是优越的。本文还讨论了利用Hann RW-OFDM符号的信道估计。
2019-11-11 eess.SP
DeepWiPHY: Deep Learning-based Receiver Design and Dataset for IEEE 802.11ax Systems
The University of Texas at Austin(德克萨斯大学奥斯汀分校);Cisco System Inc.(思科系统公司)
在这项工作中,我们开发了DeepWiPHY,这是一种基于深度学习的架构,用于取代基于IEEE 802.11 ax的正交频分复用(OFDM)接收机的信道估计、公共相位误差(CPE)校正、采样率偏移(SRO)校正和均衡模块。我们首先使用合成数据集训练DeepWiPHY,该数据集使用代表性室内信道模型生成,并包括典型的射频(RF)损伤,这些损伤是无线系统中非线性的来源。为了用真实数据进一步训练和评估DeepWiPHY,我们开发了一个基于被动嗅探的数据收集测试平台,该测试平台由通用软件无线电外设(USRP)和商用IEEE 802.11ax产品组成。DeepWiPHY的综合评估与合成和真实世界的数据集(1.1亿个合成OFDM符号和1400万个真实OFDM符号)证实,即使没有微调神经网络的架构参数,DeepWiPHY在误比特率(BER)和分组差错率(PER)方面也实现了与传统WLAN接收机相当或优于传统WLAN接收机的性能,在宽范围的信道模型、信噪比(SNR)水平和调制方案下。
2020-10-19 cs.LG eess.SP
CSI RefineNet: A Soft Data-Aided Iterative Receiver for High-Mobility OFDM Systems
AUMOVIO-NTU Corporate Lab, Nanyang Technological University(奥莫维欧-南洋理工大学联合实验室,南洋理工大学);Wireless Communications Technologies Group, AUMOVIO Germany GmbH(无线通信技术组,奥莫维欧德国有限公司)
针对高移动性 OFDM 系统中 CSI 不准确问题,提出 CSI RefineNet 接收机,通过软符号决策迭代细化 CSI,经导频驱动初始化、构建软数据辅助信道观测等步骤形成迭代结构,还有两阶段训练策略,仿真显示其 BER 性能优且鲁棒性强。
2026-07-28 eess.SP
Rand-OFDM: A Secured Wireless Signal
无线通信自其开始以来一直是广播系统,其在预期的发射和接收对之间的物理层处违反安全和隐私问题。随着我们朝着涉及通过无线网络连接的数十亿设备的高级频谱共享方法发展,保护无线信号使得只有预期接收器可以实现信号的属性是至关重要的。在本文中,我们提出了Rand-OFDM,一种新的波形,安全的共享密钥,其中的信号属性可以恢复只有在预期的接收机。我们通过在时域中修改OFDM信号来实现信号级安全性,从而消除OFDM特性,进而对窃听者混淆信号特性。我们介绍了一个基于密钥的安全训练信号的信道估计,它可以只用于在预期的接收机与密钥的先验知识。作为信号恢复的最后一步,我们使用基于聚类的技术来校正接收信号的相位。我们的密码分析表明,Rand-OFDM是特别有用的未来宽带信号。大量的仿真和空中实验表明,Rand-OFDM的性能与传统OFDM相当,并且由于安全波形的SNR损失在1-4dB之间变化。在所有这些情况下,Rand-OFDM仍然无法识别的对手,即使在最高可能的SNR。
2019-12-11 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
Hybrid Receiver Design for Massive MIMO-OFDM with Low-Resolution ADCs and Oversampling
针对带低分辨率ADC的大规模MIMO-OFDM上行系统,本文推导量化失真闭式近似,联合设计迭代优化的混合收发机以最大化频谱效率,在性能、抗波束斜视和能效上均优于基准方案。
2025-01-21 eess.SP
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
Constellation Design in OFDM-ISAC over Data Payloads: From MSE Analysis to Experimentation
University College London(伦敦大学学院);The University of Manchester(曼彻斯特大学)
本文针对OFDM-ISAC系统,分析多目标时延估计的MSE,提出依赖接收机的星座设计,实现感知与通信的灵活权衡,并经仿真和实验验证。
2025-10-15 eess.SP
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
Hybrid Monostatic and Bistatic Sensing for Target Localization in OFDM Systems under Phase Noise
Universitat Autònoma de Barcelona(巴塞罗那自治大学);Chalmers University of Technology(查尔姆斯理工大学)
本文针对OFDM系统中混合单双基地感知的相位噪声问题,表征联合残余差分PN统计特性,通过理论下界量化三类接收机下PN对目标定位的影响,为相关感知系统设计提供理论依据。
2026-10-15 eess.SP
FM-OFDM: A Constant-Envelope Sensing Waveform with Phase-Differencing Receiver Processing
Istanbul Medipol University(伊斯坦布尔医科大学)
本文提出FM-OFDM作为恒包络感知波形,分析其优于CP-OFDM的感知特性,并开发低复杂度加权相位增量多普勒估计器,实现约20 dB动态范围增益。
2026-09-23 eess.SP
Novel Deep Neural OFDM Receiver Architectures for LLR Estimation
Communications and Signal Processing Research (HİSAR) Lab., TÜBİTAK BİLGEM(通讯与信号处理研究(HİSAR)实验室,TUBİTAK BİLGEM);Department of Electronics and Communication Engineering, Yildiz Technical University(电子与通信工程系,Yildiz技术大学);Department of Electronics and Communication Engineering, Istanbul Technical University(电子与通信工程系,Istanbul技术大学)
本文提出DAT和RDNLA两种深度神经网络OFDM接收机,直接从IQ信号预测LLR,并在BER和BLER上优于传统系统与现有神经接收机。
2025-05-08 cs.AI eess.SP
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
Generative Diffusion Receivers: Achieving Pilot-Efficient MIMO-OFDM Communications
Khalifa University(哈利法大学);Toronto Metropolitan University(多伦多都会大学);Zhejiang University(浙江大学)
本文提出基于扩散模型的 MIMO-OFDM 接收机,通过整合传统信号估计与生成模型,有效降低信道重建误差,提升 pilot 效率。
2026-01-12 eess.SP
Deep Learning Based on Orthogonal Approximate Message Passing for CP-Free OFDM
Southeast University(东南大学);National Sun Yat-sen University(国立中山大学);Georgia Institute of Technology(佐治亚理工学院)
对于无循环前缀(CP)的正交频分复用(OFDM)系统,信道估计和信号检测是非常具有挑战性的。在本文中,基于正交近似消息传递(DL-OAMP)的深度学习用于解决这些问题。DL-OAMP接收机包括一个信道估计神经网络(CE-Net)和一个基于OAMP的信号检测神经网络,称为OAMP-Net。CE-Net采用最小二乘信道估计算法进行初始化,并采用最小均方误差(MMSE)神经网络进行优化。通过对迭代OAMP算法进行展开,并加入可训练参数,建立了OAMP-Net,以提高检测性能。DL-OAMP接收机具有较低的复杂度,仅需一次训练就能估计出时变信道。仿真结果表明,该方案的误比特率(BER)低于竞争算法的高阶调制。
2019-05-04 cs.LG eess.SP
An ML-assisted OTFS vs. OFDM adaptable modem
University of California, Santa Cruz(加州大学圣克鲁兹分校)
针对高移动性场景下 OTFS 与 OFDM 性能优劣不一的问题,提出一种基于 DNN 的自适应方案,通过观察信道条件、SNR 和调制格式动态切换信号处理链,显著提升了通信的 MSE 性能。
2023-10-19 cs.LG eess.SP
Probability Density Function Estimation in OFDM Transmitter and Receiver in Radio Cognitive Networks based on Recurrent Neural Network
由于无线技术的不受控制的增长,电信中最重要的问题是带宽限制。部署动态频谱接入技术是为有效使用带宽而提供的过程之一。近年来,认知无线电网络作为一种有效利用频谱的工具被引入.这些无线电能够通过传感器和信号操作识别周围环境来使用无线电资源,这意味着只有在授权用户不使用其频谱时才使用这些资源。次级用户是未经授权的用户,必须避免干扰初级用户的传输。二级用户必须离开通道,以防止对主要用户造成损害,只要这些用户自行决定。本文在基于OFDM的认知无线电网络中,提出了基于概率密度函数的基于递归神经网络的频谱机会预测用于带宽优化和通过预测频谱空洞发现减少能量消耗用于服务质量优化。仿真结果表明,在这些网络中,次用户可以在不与主用户发生冲突和重叠的情况下进行频谱占用和数据发送,从而获得了可接受的信噪比和带宽优化值。
2018-07-18 eess.SP
An Efficient Radar Receiver for OFDM-based Joint Radar and Communication Systems
在这项工作中,我们提出了一个雷达检测系统的正交频分复用(OFDM)传输。我们假设发射天线Tx与单基地雷达共置。后者知道发射的信号,并收听来自固定或移动目标反射的回波。我们估计的目标参数(距离和速度)使用2D周期图。此外,我们提高了估计性能在低信噪比(SNR)条件下使用离散傅里叶变换信道估计(DFT-CE),我们表明,Zadoff-Chu预编码(ZCP)采用通信,不降低雷达估计在良好的SNR条件。此外,由于数据矩阵的维数可以远远大于要检测的目标的数量,我们提出了一种基于稀疏傅里叶变换的傅里叶投影切片(FPS-SFT)算法,以降低计算复杂度的二维周期图。在77 GHz工业、科学和医疗(ISM)频带中的适当系统参数化允许实现30.52 cm的距离分辨率和0.67 m/s的速度分辨率,并将周期图计算时间减少到约98.84%。
2023-02-17 eess.SP
Experimental Study of the Phase Noise in K-band ARoF systems for Low Complexity 5G receivers
在本文中,在25 GHz的OFDM ARoF设置超过5G的相位噪声的实验分析。该设置的配置允许逐渐缩放系统的最终相位噪声水平。此外,OFDM相位噪声抑制方法具有低复杂度和延迟的建议和解释。该方法是LI-CPE算法的一个改进版本。先进的LI-CPE版本避免了其前身的一个OFDM符号延迟。此外,使用这两种方法的收益率示出在不同的相位噪声水平和不同的子载波间隔。最后,它是实验证明,所提出的方法比以前的版本执行更好。
2021-09-15 eess.SP
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
Superimposed DMRS for Spectrally Efficient 6G Uplink Multi-User OFDM: Classical vs AI/ML Receivers
针对6G系统中正交DMRS开销大的问题,提出基于深度卷积神经网络的增强型DeepRx接收机,利用叠加DMRS进行信道估计与数据检测,在上行单用户和多用户场景中性能优于传统接收机。
2025-06-25 eess.SP
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
OFDM-ISAC over Data Payloads: MSE Analysis, Constellation Design, and Experimentation
Ulsan National Institute of Science and Technology (UNIST)(蔚山科学技术院);University of Manchester(曼彻斯特大学);University College London(伦敦大学学院)
本文针对OFDM-ISAC系统,分析了MF与RF接收机的感知性能,提出几何星座整形框架以权衡通信可靠性与感知精度,在实际空中传输中取得显著增益。
2026-08-18 eess.SP
Trimming the Fat from OFDM: Pilot- and CP-less Communication with End-to-end Learning
Nokia Bell Labs(诺基亚贝尔实验室)
正交频分复用(OFDM)技术由于其高效的实现方式而成为无线通信系统中的主流技术之一。然而,它遭受频谱效率的损失,因为它需要循环前缀(CP)来减轻符号间干扰(ISI)和导频来估计信道。我们建议在这项工作中,以解决这些缺点,通过学习一个神经网络(NN)为基础的接收机联合星座的几何形状和比特标记在发射机,允许无CP和无导频通信的OFDM没有显着的损失比特出错率(BER)。与基于导频和CP的基线相比,我们的方法能够实现至少18%的吞吐量增益,并且与使用具有导频但没有CP的神经接收器的系统相比,至少有4%的增益。
2021-04-14 cs.IT cs.LG eess.SP
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
Using Double Contractions to Derive the Structure of Slice-Wise Multiplications of Tensors with Applications to Semi-Blind MIMO OFDM
在各种张量分解(包括PARAFAC 2和PARATUCK 2)中需要两个张量的切片乘法,并且在许多应用中遇到,包括多维生物医学数据(EEG,MEG等)的分析。或多载波MIMO系统。在本文中,我们提出了一个新的张量表示,它不是基于切片(矩阵)描述,但可以表示为两个张量的双重收缩。这种两个张量的双重收缩可以通过广义开折有效地计算。它导致了所研究系统的新张量模型,这些模型不依赖于所选择的展开,并揭示了数据模型的张量结构(这样可以同时看到所有可能的展开)。作为一个例子,我们应用这个新的概念,新的接收机的设计多载波MIMO系统在无线通信。特别是,我们认为MIMO OFDM系统,没有Khatri-Rao编码。所提出的接收机利用相邻子载波之间的信道相关性,需要与传统OFDM技术相同数量的训练符号,但在符号错误率方面具有改进的性能。此外,我们表明,频谱效率的Khatri-Rao编码的MIMO-OFDM可以通过引入“随机编码”,使“编码矩阵”也包含有用的信息符号。考虑到这种传输技术,我们推导了一个张量模型和两种类型的接收机的随机编码MIMO-OFDM系统使用双收缩的两个张量。
2020-01-17 eess.SP
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
Statistical Modelling of the Clipping Noise in OFDM-based Visible Light Communication System
分析了基于正交频分复用(OFDM)的可见光通信系统中限幅噪声的统计特性。削波信号通常被建模为缩放的原始信号和削波噪声的和,其由接收机中的线性均衡器处理。通常,假设削波信号和原始信号共享相同的统计。虽然在某些情况下是有效的,我们表明,这种假设是无效的,当发射机是严格约束。我们推导出闭合形式的概率分布函数(PDF)的削波噪声和使用PDF的统计假设检验在一个最佳的接收机
2019-09-09 cs.SY eess.SP eess.SY
Doppler Spoofing in OFDM Wireless Communication Systems
在本文中,我们提出了一种方法,防止未经授权的接收机(URx)正确估计多普勒频移存在于正交频分复用(OFDM)无线信号。为了防止这种估计,我们建议在发送的信号中插入一个人工频率变化,该信号模仿具有欺骗/假速度的发送器(Tx)移动。这种欺骗的多普勒频移不影响数据解调,因为它可以在合法接收器(LRx)处被补偿。我们通过模拟评估我们的方法的有效性,我们表明,它提供了一种可靠的方法来保护一个无线源的隐私的一个关键要素,即发射机的速度。
2022-12-29 cs.CR cs.NI eess.SP
Learning-Aided Physical Layer Attacks Against Multicarrier Communications in IoT
Department of Electrical and Computer Engineering, Rutgers University(罗格斯大学电气与计算机工程学院)
功率和处理能力有限的物联网(IoT)设备容易受到物理层(PHY)欺骗(信号利用)攻击,因为它们无法实现完整的安全协议栈。多载波技术(如PHY层的正交频分复用(OFDM))的压倒性采用使物联网设备更容易受到PHY欺骗攻击。这些攻击旨在将伪造/虚假数据注入接收机,涉及推断传输参数和找到所发送信号的PHY特性,以便欺骗接收信号。非连续(NC)OFDM系统被认为具有针对基于循环平稳分析的经典攻击的低利用概率(LPE)特性,并且相应的PHY被认为是安全的。然而,随着机器学习(ML)算法的出现,攻击者可以设计数据驱动的攻击来破坏这些系统。正是在这种情况下,本文研究了配备有监督和无监督ML工具的对手的PHY欺骗性能。监督ML方法基于深度神经网络(DNN),而无监督ML方法采用变分自编码器(VAE)。特别地,VAE被示出为能够从与它们的PHY特性(诸如频率模式和调制方案)相关的NC-OFDM信号学习表示,这对于PHY欺骗是有用的。此外,提出了一种新的度量的基础上的解纠缠的原则来衡量这种学习表示的质量。仿真结果表明,欺骗对手的性能高度依赖于子载波的分配模式。特别是,它示出,利用一个随机的子载波占用模式保护NC-OFDM系统对ML为基础的攻击。
2020-07-04 cs.CR cs.LG eess.SP
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
Interference Analysis and Mitigation for Massive Access Aerial IoT Considering 3D Antenna Patterns
由于物联网(IoT)网络的密集部署,干扰管理成为一个关键挑战。随着无人机(UAV)等空中物联网设备的激增,3D环境中的干扰特性将与现有地面物联网网络中的干扰特性不同。在本文中,我们考虑具有空中和地面链路的混合的3D拓扑物联网网络,在地面节点处具有低成本的交叉偶极天线,在空中节点处具有全向天线。考虑到一个双向接入的通信场景,我们首先推导出封闭形式的物联网接收器的信道增益的统计数据,同时考虑到地面和空中节点的辐射模式。然后,这些被用来计算作为天线接收器的高度的函数的各态历经的可实现的速率。我们提出了一种干扰缓解方案,利用三维天线辐射模式与不同的偶极子天线设置。我们的研究结果表明,使用所提出的计划,各态历经的可实现的速率提高了空中接收机的高度增加。此外,最大化峰值速率的地面和空中接收器之间的比率也随着空中物联网接收器高度的增加而增加。
2020-02-03 eess.SP
OFDM-Based Massive Connectivity for LEO Satellite Internet of Things
低轨卫星(LEO)被认为是地面物联网(IoT)的潜在补充。为了提高低轨卫星-物联网系统的接入容量和降低接入时延,研究了正交频分复用(OFDM)系统中的免授权非正交随机接入(GF-NORA)技术。我们专注于在卫星接入点的联合设备活动检测(DAD)和信道估计(CE)的问题。假设LEO卫星信道的延迟和多普勒效应被部分补偿。我们提出了一种OFDM符号重复技术,以更好地区分残留的多普勒频移,并提出了一个基于网格的参数概率模型来表征信道稀疏的延迟多普勒用户域,以及表征信道状态和设备活动之间的关系。在此基础上,我们提出了一种稳健的贝叶斯消息传递算法,即改进的方差状态传播算法(MVSP)。此外,为了解决真实信道与其网格表示之间的不匹配,提出了期望最大化(EM)框架来学习网格参数。仿真结果表明,我们提出的算法显着优于现有的方法在活动检测概率和信道估计精度。
2022-10-31 eess.SP
MIMO-OFDM AI Receiver Based on Incrementally Conditioned Diffusion with Soft Decision
College of Information Science and Electronic Engineering, Zhejiang University(浙江大学信息与电子工程学院);Zhejiang Key Laboratory of Multi-modal Commu. Netw. & Intell. Info. Proc.(浙江省多模通信网络与智能信息处理重点实验室)
本文提出Diff-Rx,一种基于增量条件扩散的MIMO-OFDM AI接收机,通过软判决逐步丰富条件输入并实现单步生成,在低导频密度下显著提升信道估计与数据检测性能。
2026-09-23 eess.SP
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
Preprint: Using RF-DNA Fingerprints To Classify OFDM Transmitters Under Rayleigh Fading Conditions
University of Tennessee at Chattanooga(田纳西大学查塔努加分校)
物联网(IoT)是能够与物理世界和计算机系统交互的互联网连接设备的集合。据估计,到2020年,物联网将由大约500亿台设备组成。除了纯粹的数字之外,对物联网安全性的需求还因为许多边缘设备对通信链路的加密很弱甚至没有加密而加剧。据估计,近70%的物联网设备没有使用任何形式的加密。先前的研究已经建议使用特定的EQUIPMENT标识(SEI),一种物理层技术,作为增强比特级安全机制(例如加密)的手段。这里提出的工作集成了Nelder-Mead为基础的方法,用于估计瑞利衰落信道系数之前的SEI方法称为RF-DNA指纹。该估计器的性能进行评估,降低信号-噪声比,并与最小二乘和最小均方误差信道估计。此外,这项工作提出了分类结果,使用RF-DNA指纹,从接收到的信号,经历了瑞利衰落信道校正使用最小均方误差(MMSE)均衡。这项工作还进行了无线电歧视使用RF-DNA指纹生成的归一化幅度平方和相位响应的Gabor系数以及两个分类器。在信噪比为18 dB和21 dB或更高的情况下,分别使用由两条路径和五条路径组成的瑞利衰落信道,对四个802.11a Wi-Fi无线电进行区分时,平均正确分类百分比达到90%或更高。
2020-05-06 cs.CV cs.LG eess.SP
OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications
Newcastle University(纽卡斯尔大学);Technical University of Berlin(柏林工业大学);University of New South Wales(新南威尔士大学)
本文提出不规则Sinc成形与单载波非正交频率成形波形,兼容5G标准,在工业物联网中实现18%时序资源节省,以降低时延并提升抖动容忍能力。
2024-06-07 cs.AI eess.SP
Aggressive Non-Orthogonal Transmission with DFT-s-OFDM for Direct Device-to-Satellite Communications
University of Surrey(萨里大学);Noema Signal Labs(Noema信号实验室)
本文针对D2S通信的SE瓶颈与UE功率效率问题,提出结合激进非正交传输与DFT-s-OFDM的新型接收机,仿真显示其SE与PAPR性能均优于基线及现有方案。
2026-08-18 eess.SP
Total Energy Efficiency of TD- and FD-MRC Receivers for Massive MIMO Uplink
本文提出了一个详细的调查大规模多输入多输出(maMIMO)系统的上行链路(UL)性能采用最大比合并在接收端。虽然maMIMO文献中的大多数论文假设正交频分复用(OFDM),但是由于若干益处,诸如LTE的当前标准在UL中采用单载波(SC)波形。因此,我们进行了系统的比较两个基本方案:时间反转MRC(TRMRC)SC下工作,频域MRC(FDMRC)采用OFDM。最近表明,TRMRC在可实现的速率方面优于FDMRC,因为SC系统不需要OFDM的循环前缀(CP)。另一方面,TRMRC算法的计算复杂度高于FDMRC算法,即使在采用有效解时(例如,用加法和加法的快速卷积)。因此,UL maMIMO系统的最佳方案仍然是一个悬而未决的问题。本文的主要贡献是比较TRMRC和FDMRC在maMIMO系统的UL中使用时的总能量效率。我们的结果表明,对于当前典型的系统参数,FDMRC/OFDM比TRMRC/SC实现了更高的总能量效率。但是,如果小区半径低于300 m和/或对于当前处理器的计算效率提高30%,则SC波形下的TRMRC对于maMIMO系统的UL变得更有吸引力。
2019-01-26 eess.SP
Robust 6G OFDM High-Mobility Communications Using Delay-Doppler Superimposed Pilots
University of Pavia(帕维亚大学);Consorzio Nazionale Interuniversitario per le Telecomunicazioni - CNIT(意大利大学电信联合 consortium - CNIT)
本文提出了一种用于6G高机动场景的OFDM通信接收机架构,通过延迟-多普勒叠加导频方案提升通信鲁棒性和吞吐量。
2025-12-18 eess.SP
OFDM Based Bistatic Integrated Sensing and Communication: Sensing Beyond CP Limit
针对单目标双基地OFDM ISAC系统,提出基于滑动窗口的感知接收机架构,利用导频将无ISI感知范围扩展至CP时长之外,高SNR下估计性能接近双基地场景的CRBs。
2025-05-17 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
Underlay Control Signaling for Ultra-Reliable Low-Latency IoT Communications
未来的移动网络不仅要提高移动宽带(MBB)链路的传统链路质量和数据速率,而且要开发新的控制信道以满足延迟敏感用例的要求。特别是,许多物联网(IoT)用户对超可靠低延迟通信(URLLC)的需求得到了极大的强调。在本文中,我们提出了一种新的扩频波形设计,我们提出的控制信号传输建立URLLC通信。这些控制信号在属于网络中的MBB通信的频谱资源上传输,但是在最小程度地影响这些数据信道的水平上传输。所提出的波形,虽然直接序列扩频(DSSS)技术,设计利用符号同步可用于OFDM宽带通信的网络。显然,这允许与网络的其余部分进行简单的同步。所提出的DSSS方法可以在每个OFDM时间帧内传输单个和多个比特,并且可以同时服务于多个用户设备(UE)节点。
2018-06-18 eess.SP
Statistical Inference-Based Channel Estimation for LD-Driven Visible Light O-OFDM Systems in the Presence of Relative Intensity and Input-Signal-Dependent Shot Noise
Indian Institute of Technology Kanpur(坎普尔印度理工学院);Indian Institute of Technology Jodhpur(焦特普尔印度理工学院);University of Southampton(南安普顿大学)
针对LD驱动VLC O-OFDM系统,提出统计推断框架估计信道,推导多种估计器及BCRLB,仿真表明MMSE性能最优。
2026-09-15 eess.SP
Channel Capacity for MIMO Spectrally Precoded OFDM with Block Reflectors
与最先进的技术相比,预计5G系统将适应广泛的服务和各种新兴应用。事实上,物联网(IoT)的出现及其与传统人类发起的传输的集成产生了对基本系统重新设计的需求。因此,用于即将到来的5G无线电接入技术的理想波形应满足若干要求,诸如低计算复杂度、良好的时间和频率定位以及到\emph{multiple-input multiple-output}(MIMO)系统的直接扩展。为了降低频谱预编码MIMO OFDM的算法复杂度,我们对块反射器的使用进行了深入的分析。推导了MIMO频谱预编码OFDM系统的信道容量公式,并从信息论的角度与传统MIMO OFDM系统进行了比较。
2018-11-25 eess.SP
Beyond the RF Paradigm: Rydberg Atomic Receivers for Next-Generation IoT
University of Surrey(萨里大学);Southeast University(东南大学);Shanxi University(山西大学);Brunel University of London(伦敦布鲁内尔大学);Queen Mary University of London(伦敦玛丽女王大学);University of New South Wales(新南威尔士大学);Memorial University(纪念大学);Aristotle University of Thessaloniki(塞萨洛尼基亚里士多德大学)
本文提出利用里德伯原子量子接收器(RAQR)的超高灵敏度、宽频敏捷性和多样接收模式,替代传统射频接收器的天线和低噪声放大器链,以LoRa、窄带物联网和环境物联网为例,展示其在弱上行、低功耗和无电池场景下的显著增益,并通过随机几何分析量化网络覆盖优势。
2026-05-31 eess.SP