-
公开(公告)号:CN120075013A
公开(公告)日:2025-05-30
申请号:CN202510020729.3
申请日:2025-01-07
Applicant: 江苏科技大学
IPC: H04L27/26 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于自适应小波散射卷积神经网络的OTFS系统信号检测方法,包括:将待发送的数据符号转换到DD域,再通过OTFS调制器得到OTFS信号;OTFS信号经过无线信道到达接收端;在接收端,通过OTFS解调器将接收到的信号变换回DD域的接收信号;对接收到的OTFS信号分别提取实部信号矩阵和虚部信号矩阵,将这两个矩阵分别进行三层小波散射网络变换,得到每层散射特征系数,将每层散射特征系数沿着特征通道方向进行拼接重构信号高维特征矩阵,并作为自适应小波卷积神经网络2D‑AWCNN的输入,得到对应每一个QAM符号的可能值;并通过解调器对自适应小波卷积神经网络2D‑AWCNN的输出进行16‑QAM解调,得到用于信号检测的输出比特。
-
公开(公告)号:CN119945847A
公开(公告)日:2025-05-06
申请号:CN202510062669.1
申请日:2025-01-15
Applicant: 江苏科技大学
Abstract: 本发明公开了一种基于ResUNet网络的OTFS系统信道估计方法,包括:将待传输信息经16‑QAM调制;向待发送的数据符号中插入导频符号,得到DD域信号;进行OTFS调制得到OTFS信号;OTFS信号经过无线信道到达接收端;将接收到的信号变换回DD域的接收信号;对接收端接收的DD域信号,利用其中的导频信息进行初步估计,得到导频处的信道矩阵;分别提取导频处的信道矩阵的实部和虚部;将小尺寸信道矩阵放大至目标矩阵,作为改进后ResUNet网络的输入,得到最终的信道矩阵;对接收端接收到的原始数据和噪声数据进行信号检测;将检测得到的目标信号进行16‑QAM解调。本发明设计了导频将其插入通信信号,在接收端利用导频,基于改进的ResUNet网络进行深度学习,实现高精度的信道估计。
-