2 回复
用传统通信公式对接收数据进行处理,再把处理过后的数据输入神经网络进行优化。
这里神经网络的优化主要体现在信道估计的优化上,神经网络中的双向LSTM网络可以很好的提取相邻多个子载波信道之间相关性,在导频较少的情况下可以很好的降低传统LS信道估计+DFT插值的误差,大幅提升信道估计的准确性。
对于信号检测,我们用了理论最优的ML检测算法,在信道估计误差最小、信噪比固定的情况下,ML检测可取得最高的检测准确率。
用传统通信公式对接收数据进行处理,再把处理过后的数据输入神经网络进行优化。
这里神经网络的优化主要体现在信道估计的优化上,神经网络中的双向LSTM网络可以很好的提取相邻多个子载波信道之间相关性,在导频较少的情况下可以很好的降低传统LS信道估计+DFT插值的误差,大幅提升信道估计的准确性。
对于信号检测,我们用了理论最优的ML检测算法,在信道估计误差最小、信噪比固定的情况下,ML检测可取得最高的检测准确率。