11:39
官方账号arXiv cs.LG@Emmanouil Kavvousanos, Francky Catthoor, Vassilis Paliouras
推荐理由：这篇论文用一个统一深度学习框架同时搞定OFDM窄带干扰消除和软解调，计算量比现有方法低60%，还能根治错误平层，强干扰下编码增益超3dB，做通信系统研究值得一看。
OFDM
共 1 条相关 AI 资讯
7月10日
11:39
窄带干扰（NBI）会严重破坏OFDM系统的子载波，传统压缩感知方法存在高顺序延迟和非高斯残差。新框架NBI-CNet采用物理信息卷积架构，一步完成多音干扰估计与消除，计算复杂度相比EOMP-IDS算法降低60%（N=2048, Q=64）。LLR-CNet将非高斯后处理残差映射为校准的软度量，消除传统基线在密集栅格中的错误平层。在SIR=-10dB的严重干扰下，目标BLER=10^-4时，框架的SNR裕度仅比最优迭代基线高0.2-0.5dB；在SIR=10dB、Q=12的轻度干扰下，编码增益超过3dB。该架构还能规避由干扰估计误差触发的2×10^-4错误平层，且无需重训练即可泛化到任意FFT尺寸。