系统工程与电子技术

作者：崔永生, 詹亚锋, 陈泰伊, 方鑫

单位：1. 清华大学北京信息科学与技术国家研究中心, 北京 100084；2. 清华大学电子工程系, 北京 100084；3. 国网江苏省电力有限公司电力科学研究院, 江苏 南京 210024

关键词：联合解调译码,迭代同步,深度神经网络,最大似然估计

基金：国家电网公司科技项目(5400-202255158A-1-1-ZN)

在无线通信的诸多场景，如卫星通信、深空通信和隐蔽通信中，受限于发射功率、传输距离等因素，接收信号非常微弱。现有联合解调译码迭代同步算法，将信道编码增益作用于信号接收全过程，可有效降低接收机的同步门限，但是计算复杂度较高。利用迭代接收目标函数的形态一致特性，提出一种基于深度神经网络(deep neural network, DNN)的同步优化策略。该策略与传统的迭代同步方法相比，可在1e-5误码率下降低24%的计算复杂度。这一研究成果为迭代接收技术在更高数据速率场景下的工程应用提供了新的发展方向，同时展现出深度学习在解决复杂通信环境问题中的潜力。

来源：2024年第11期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2024年第11期