基于深度学习的OFDM-IM信号检测方法

摘要

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术在无线通信领域中拥有着重要地位,但OFDM系统中存在子载波间干扰和较高的峰均比的缺点,使得OFDM系统在信号检测方面的表现不太理想。针对OFDM系统中信号检测性能较差的问题,提出一种基于自归一化网络的索引调制(Index Modulation for Self Normalizing Network,IM-SNN)算法,并采用4QAM、8QAM、16QAM的调制方式验证系统的信号检测性能。结果表明,所提出的算法提高了接收端解调信号的性能,有效增强了信号检测的能力,并表现出优于传统技术中最大似然检测(Maximum Likelihood Detection,MLD)算法及现有技术中基于深度神经网络的索引调制(Index Modulation in Deep Neural Network,IM-DNN)算法的系统误码率及网络损失。在3种调制方式下,性能改善0.6~8 dB。