CN114944896B - 一种基于y型网络的索引调制otfs通信系统及方法 - Google Patents
一种基于y型网络的索引调制otfs通信系统及方法 Download PDFInfo
- Publication number
- CN114944896B CN114944896B CN202210365656.8A CN202210365656A CN114944896B CN 114944896 B CN114944896 B CN 114944896B CN 202210365656 A CN202210365656 A CN 202210365656A CN 114944896 B CN114944896 B CN 114944896B
- Authority
- CN
- China
- Prior art keywords
- network
- otfs
- bits
- output
- detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004891 communication Methods 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 62
- 238000013507 mapping Methods 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 14
- 230000004927 fusion Effects 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 125000002347 octyl group Chemical group [H]C([*])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])[H] 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 29
- 238000006243 chemical reaction Methods 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 10
- 210000002569 neuron Anatomy 0.000 claims description 10
- 230000004913 activation Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 239000000969 carrier Substances 0.000 claims description 5
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 claims description 4
- 238000003780 insertion Methods 0.000 claims description 3
- 230000037431 insertion Effects 0.000 claims description 3
- 238000010295 mobile communication Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 101100497221 Bacillus thuringiensis subsp. alesti cry1Ae gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/0001—Arrangements for dividing the transmission path
- H04L5/0014—Three-dimensional division
- H04L5/0023—Time-frequency-space
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03891—Spatial equalizers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0044—Arrangements for allocating sub-channels of the transmission path allocation of payload
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/0091—Signaling for the administration of the divided path
- H04L5/0096—Indication of changes in allocation
- H04L5/0098—Signalling of the activation or deactivation of component carriers, subcarriers or frequency bands
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L2025/03433—Arrangements for removing intersymbol interference characterised by equaliser structure
- H04L2025/03439—Fixed structures
- H04L2025/03445—Time domain
- H04L2025/03464—Neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Power Engineering (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
Abstract
本发明提供了一种基于Y型网络的索引调制OTFS通信系统及方法。具体包括:在发送端的时延‑多普勒(DD)域进行索引调制,将部分二进制比特用于选择所激活符号在DD矩阵中的位置,其余比特用于映射符号信息,通过逆辛傅里叶变换等将发送信号变为时频信号;经过信道作用和辛傅里叶变换得到接收的DD域信号。对接收信号和信道矩阵进行数据预处理得到Y型检测网络的输入,相应的原始二进制比特作为检测网络的标签,采用离线训练好的网络用于索引调制OTFS信号的在线检测,最终恢复出发送比特。本发明结合特征融合思想实现数据驱动的索引调制OTFS通信,有效提升系统误码率及鲁棒性,且适用于快时变信道下的高速移动通信场景。
Description
技术领域
本发明涉及无线通信技术领域,具体为一种基于Y型网络的索引调制正交时频空(OTFS,Orthogonal Time Frequency Space)通信系统及方法。
背景技术
正交频分复用技术(OFDM,Orthogonal Frequency Division Multiplexing)及各类改进的高效多载波调制波形被广泛应用于5G移动通信。近年来,高速移动环境下的无线通信系统受到了人们的广泛关注,当面对较高的多普勒和载波频偏时,ODFM子载波间的正交性会被破坏,传统时频域调制手段的通信质量会受到严重影响。Hadani在时延-多普勒(DD,Delay-doppler)域建立了一种新的二维调制OTFS系统,通过一系列二维变换将OFDM所经历的双色散信道转换为近似非衰落信道,通信性能显著提升。
索引调制技术与多载波通信的结合可以有效提高系统的频谱利用率,但由此也造成了系统接收端传统检测算法复杂度的提升。随着深度学习等智能方法在通信系统中的普及,将数据驱动模型应用到通信系统中进行信号检测对下一代无线通信具有里程碑式的意义。
发明内容
发明目的:一方面在OTFS系统的DD域建立索引映射关系,通过索引调制将部分发送比特隐含在激活发送符号的位置信息中,提高系统的频谱效率;另一方面在接收端实现一种基于Y型网络的数据驱动信号检测,将接收符号承载的位置信息和符号信息用两个独立的子网络进行特征提取,最后结合特征融合思想进行输出预测,更好地契合索引调制OTFS通信系统,有效提升高速移动场景下的通信质量。
技术方案:本发明提供了一种基于Y型网络的索引调制OTFS通信系统及方法,该系统包括发送端和接收端:所述发送端包括原型比特分流器、时延-多普勒(DD)索引调制模块、OTFS块产生器、逆辛傅里叶变换(ISFFT)、Heisenberg变换、串并变换、插入导频、D/A转换;所述接收端包括A/D转换、移除导频、并串变换、Wigner变换、辛傅里叶变换(SFFT)、数据预处理模块、Y型网络信号检测模块、比特并流器。该方法包括发送方法和接收方法,具体步骤如下:
所述发送方法的步骤是:
步骤1:发送的二进制比特流经比特分流器平均分组,各组中部分比特用于选择DD矩阵中激活的位置信息,部分比特经星座映射为复数符号后调制到激活索引位置上,各组数据经OTFS块产生器后形成完整DD域发送数据;
步骤2:通过ISFFT将DD域发送信号转换为时频域信号,再通过Heisenberg变换将时频域信号变换到时域,最终经信道和噪声作用到达接收端;
所述接收方法的步骤是:
步骤3:在接收端时域信号经过Wigner变换(即Heisenberg变换的逆变换)到时频域,再经过SFFT变换到时频-多普勒域;
步骤4:经数据预处理后将两路输出数据分别作为各分组Y型检测网络中索引检测子网络和符号检测子网络的输入,将子网络隐藏层的输出进行特征融合后送达输出层输出,得到该组的预测比特,最终将所有分组的预测输出合并恢复出原始的发送二进制比特流。
进一步地,所述系统发送端:二进制比特流经所述比特分流器分别传递至DD域索引选择模块、星座映射模块;所述索引选择模块与星座映射模块的输出信号均传递至所述OTFS块产生器;所述OTFS块产生器的输出信号经ISFFT、Heisenberg变换、串并变换、插入导频、D/A转换后送入信道。
进一步地,所述系统接收端:接收端的输入信号先经过A/D转换、移除导频、并串变换、Wigner变换、SFFT;经数据预处理后分别输入所述Y型网络信号检测模块的索引检测子网络和符号检测子网络;经特征融合后到达网络输出层恢复出发送比特;最终经比特并流器得到所恢复的完整二进制比特流。
进一步地,所述步骤1中发送端产生的共B比特被分为G组,每组p=B/G比特被映射到OTFS子块上,每个子块在DD矩阵中的大小K=MN/G,M和N分别为OTFS的子载波数和符号个数。各组p比特中有比特用于选择DD矩阵中L个激活符号的位置,/>表示向下取整函数,/>为二项式系数;其余p2=Llog2 Q比特经Q-ary符号映射调制到激活索引位置,p=p1+p2。所述p1比特经过索引选择模块后输出为激活位置序号Ig={ig,1,ig,2,…,ig,L},ig,l∈{1,2,…,K},g=1,…,G,l=1,...,L;所述p2比特经过星座映射模块后输出为L个符号sg={sg,1,sg,2,...,sg,L},/>g=1,…,G,l=1,...,L,其中/>为Q维星座符号;第g组的输出为xg={xg,1,xg,2,...,xg,K},/>g=1,...,G,k=1,...,K。最终所述OTFS块产生器的输出表示为/> m=0,...,M-1,n=0,...,N-1。
进一步地,所述步骤2中ISFFT后的时频域信号表示为XFT=FMXDDFN H,FM和FN分别为M点和N点离散傅里叶矩阵。所述Heisenberg变换后的时域信号为S=FM HXFT。
进一步地,所述步骤3可以看作是步骤2的一个逆过程,记接收DD信号和信道矩阵分别为YDD和H。
进一步地,所述步骤4中数据预处理过程具体为:将YDD和H经迫零均衡后进一步得到索引检测子网络输入g=1,...,G,k=1,...,K和符号检测网络输入/>和/>分别为接收信号均衡后的实部和虚部。
进一步地,所述步骤4中Y型检测网络各隐层采用ReLU函数fReLU(x)=max(0,x)作为激活函数,输出层采用sigmoid函数作为激活函数,特征融合采用concatenate函数将两个子网张量进行连接。所述Y型检测网络包含离线训练和在线检测阶段,在离线训练阶段,网络通过反向传播算法和Adam优化器更新各神经元权值W和偏置b,代价函数为交叉熵函数/>bi和/>分别为输出层第i个神经元的真实标签和当前输出预测值,当代价函数满足costCE≤γ时网络停止训练过程,γ为系统预设的误差阈值;在在线检测阶段,上述预训练好的Y型检测网络模型被直接用于索引调制OTFS接收端进行信号检测输出预测的发送比特。
进一步地,所述Y型检测网络在线检测阶段的各组输出比特经过比特并流器合并输出为最终恢复的原始发送比特。
有益效果:本发明在OTFS通信系统的时延-多普勒域建立索引映射,提高频谱利用率。同时在接收端采用结合特征融合思想的Y型网络实现信号检测,分别提取索引位置和符号数据特征,进一步契合索引调制机制,相比传统方法在应对不同信道参数时更具鲁棒性。本发明的实现能为高速移动场景下的无线通信提供一种灵活配置资源的智能化通信方案。
附图说明
图1为本发明一种基于Y型网络的索引调制OTFS通信系统框图;
图2为本发明实施例中检测子网为全连接网络时的Y型网络结构图;
图3为本发明实施例中长短时记忆(LSTM)神经元内部结构图;
图4为本发明实施例中检测子网为双向BLSTM网络时的Y型网络结构图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
如图1所示,本发明所述一种基于Y型网络的索引调制OTFS通信系统及方法,该系统包括发送端和接收端:所述发送端包括原型比特分流器、时延-多普勒(DD)索引调制模块、OTFS块产生器、逆辛傅里叶变换(ISFFT)、Heisenberg变换、串并变换、插入导频、D/A转换;所述接收端包括A/D转换、移除导频、并串变换、Wigner变换、辛傅里叶变换(SFFT)、数据预处理模块、Y型网络信号检测模块、比特并流器。
发送端产生的共B比特被分为G组,每组p=B/G比特被映射到OTFS子块上,每个子块在DD矩阵中的大小K=MN/G,M和N分别为OTFS的子载波数和符号个数。各组p比特中有比特用于选择DD矩阵中L个激活符号的位置,/>表示向下取整函数,/>为二项式系数;其余p2=Llog2 Q比特经Q-ary符号映射调制到激活索引位置,p=p1+p2。所述p1比特经过索引选择模块后输出为激活位置序号Ig={ig,1,ig,2,...,ig,L},ig,l∈{1,2,...,K},g=1,...,G,l=1,...,L;所述p2比特经过星座映射模块后输出为L个符号
sg={sg,1,sg,2,...,sg,L},g=1,...,G,l=1,...,L,其中/>为Q维星座符号;第g组的输出为xg={xg,1,xg,2,...,xg,K},/>g=1,...,G,k=1,...,K。最终所述OTFS块产生器的输出表示为/>m=0,...,M-1,n=0,...,N-1。
考虑如表1所示的索引映射关系,K=4,L=3,每个OTFS符号包含M=512个子载波且星座符号采用4QAM调制,则此时p1=2,p2=6,进一步可以计算出上述条件下发送端产生一个OTFS符号需发送1024比特信息。
表1本发明实施例中K=4且L=3时所用索引映射表
组合序号 | p1 | Ig | 子块符号状态 |
C1 | 00 | {1,2,3} | [sg,1,sg,2,sg,3,0]T |
C2 | 01 | {1,2,4} | [sg,1,sg,2,0,sg,3]T |
C3 | 10 | {1,3,4} | [sg,1,0,sg,2,sg,3]T |
C4 | 11 | {2,3,4} | [0,sg,1,sg,2,sg,3]T |
经过ISFFT后的时频域信号表示为XFT=FMXDDFN H,FM和FN分别为M点和N点离散傅里叶矩阵,再经Heisenberg变换后的时域信号为S=FM HXFT。
在接收端,将YDD和H经迫零均衡后进一步得到索引检测子网络输入g=1,...,G,k=1,...,K和符号检测子网络输入/>和/>分别为接收信号均衡后的实部和虚部。
如图2所示的一种Y型检测网络,以两个相同的长度为256个节点的全连接层作为索引检测子网络和符号检测子网络,和/>的输入张量分别为(None,4)和(None,8),None为样本数量,各组单次输出的比特长度为p=p1+p2=8,各隐层采用ReLU函数fReLU(x)=max(0,x)作为激活函数,输出层采用sigmoid函数/>作为激活函数,特征融合采用concatenate函数将两个子网张量进行连接。所述Y型检测网络包含离线训练和在线检测阶段,在离线训练阶段,网络通过反向传播算法和Adam优化器更新各神经元权值W和偏置b,同时采用Dropout机制防止网络训练发送过拟合,代价函数为交叉熵函数bi和/>分别为输出层第i个神经元的真实标签和当前输出预测值,当代价函数满足costCE≤γ时网络停止训练过程,γ为系统预设的误差阈值;在在线检测阶段,上述预训练好的Y型检测网络模型被直接用于索引调制OTFS接收端进行信号检测输出预测的发送比特。
本发明的实施例进一步考虑用图3所示的LSTM单元替换上述检测网络中的普通神经元节点,构建以图4为例的Y型检测网络,索引检测子网络和符号检测子网络分别采用长度为16和48个LSTM单元的双向LSTM网络,和/>的输入张量分别为(None,4,1)和(None,4,2),各组单次输出的比特长度为p=8。离线训练和在线检测过程同上。
最终各分组的输出预测比特经比特并流器合并得到恢复的发送比特流。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (8)
1.一种基于Y型网络的索引调制OTFS通信系统,包括发送端和接收端;
所述发送端包括原型比特分流器、时延-多普勒DD索引调制模块、OTFS块产生器、逆辛傅里叶变换ISFFT、Heisenberg变换、串并变换、插入导频、D/A转换;发送端产生的共B比特被分为G组,每组p=B/G比特被映射到OTFS子块上,每个子块在DD矩阵中的大小K=MN/G,M和N分别为OTFS的子载波数和符号个数,各组p比特中有比特用于选择DD矩阵中L个激活符号的位置,/>表示向下取整函数,/>为二项式系数;其余p2=L log2 Q比特经Q-ary符号映射调制到激活索引位置,p=p1+p2,所述p1比特经过索引选择模块后输出为激活位置序号Ig={ig,1,ig,2,...,ig,L},ig,l∈{1,2,...,K},g=1,...,G,l=1,...,L;所述p2比特经过星座映射模块后输出为L个符号sg={sg,1,sg,2,...,sg,L},g=1,...,G,l=1,...,L,其中/>为Q维星座符号;第g组的输出为xg={xg,1,xg,2,...,xg,K},/>g=1,...,G,k=1,...,K,最终所述OTFS块产生器的输出表示为/>m=0,...,M-1,n=0,...,N-1;
所述接收端包括A/D转换、移除导频、并串变换、Wigner变换、辛傅里叶变换SFFT、数据预处理模块、Y型网络信号检测模块、比特并流器;
Y型网络信号检测模块各隐层采用ReLU函数fReLU(x)=max(0,x)作为激活函数,输出层采用sigmoid函数作为激活函数,特征融合采用concatenate函数将两个子网张量进行连接;所述Y型检测网络包含离线训练和在线检测阶段,在离线训练阶段,网络通过反向传播算法和Adam优化器更新各神经元权值W和偏置b,代价函数为交叉熵函数bi和/>分别为输出层第i个神经元的真实标签和当前输出预测值,当代价函数满足costCE≤γ时网络停止训练过程,γ为系统预设的误差阈值;在在线检测阶段,上述预训练好的Y型检测网络模型被直接用于索引调制OTFS接收端进行信号检测输出预测的发送比特。
2.根据权利要求1所述的一种基于Y型网络的索引调制OTFS通信系统,其特征在于,在所述系统发送端:二进制比特流经所述比特分流器分别传递至DD域索引选择模块、星座映射模块;所述索引选择模块与星座映射模块的输出信号均传递至所述OTFS块产生器;所述OTFS块产生器的输出信号经ISFFT、Heisenberg变换、串并变换、插入导频、D/A转换后送入信道。
3.根据权利要求1所述的一种基于Y型网络的索引调制OTFS通信系统,其特征在于,在所述系统接收端:接收端的输入信号先经过A/D转换、移除导频、并串变换、Wigner变换、SFFT;经数据预处理后分别输入所述Y型网络信号检测模块的索引检测子网络和符号检测子网络;经特征融合后到达网络输出层恢复出发送比特;最终经比特并流器得到所恢复的完整二进制比特流。
4.一种基于权利要求1所述的Y型网络的索引调制OTFS通信系统的通信方法,包括发送方法和接收方法;
所述发送方法的步骤是:
步骤1:发送的二进制比特流经比特分流器平均分组,各组中部分比特用于选择DD矩阵中激活的位置信息,部分比特经星座映射为复数符号后调制到激活索引位置上,各组数据经OTFS块产生器后形成完整DD域发送数据;
步骤2:通过ISFFT将DD域发送信号转换为时频域信号,再通过Heisenberg变换将时频域信号变换到时域,最终经信道和噪声作用到达接收端;
发送端产生的共B比特被分为G组,每组p=B/G比特被映射到OTFS子块上,每个子块在DD矩阵中的大小K=MN/G,M和N分别为OTFS的子载波数和符号个数,各组p比特中有比特用于选择DD矩阵中L个激活符号的位置,/>表示向下取整函数,/>为二项式系数;其余p2=L log2 Q比特经Q-ary符号映射调制到激活索引位置,p=p1+p2,所述p1比特经过索引选择模块后输出为激活位置序号Ig={ig,1,ig,2,...,ig,L},ig,l∈{1,2,…,K},g=1,...,G,l=1,...,L;所述p2比特经过星座映射模块后输出为L个符号sg={sg,1,sg,2,...,sg,L},/>g=1,...,G,l=1,...,L,其中/>为Q维星座符号;第g组的输出为xg={xg,1,xg,2,...,xg,K},/>g=1,...,G,k=1,...,K,最终所述OTFS块产生器的输出表示为/>m=0,...,M-1,n=0,...,N-1;
所述接收方法的步骤是:
步骤3:在接收端时域信号经过Wigner变换(即Heisenberg变换的逆变换)到时频域,再经过SFFT变换到时频-多普勒域;
步骤4:经数据预处理后将两路输出数据分别作为各分组Y型检测网络中索引检测子网络和符号检测子网络的输入,将子网络隐藏层的输出进行特征融合后送达输出层输出,得到该组的预测比特,最终将所有分组的预测输出合并恢复出原始的发送二进制比特流;
步骤4中所述Y型检测网络各隐层采用ReLU函数fReLU(x)=max(0,x)作为激活函数,输出层采用sigmoid函数作为激活函数,特征融合采用concatenate函数将两个子网张量进行连接;所述Y型检测网络包含离线训练和在线检测阶段,在离线训练阶段,网络通过反向传播算法和Adam优化器更新各神经元权值W和偏置b,代价函数为交叉熵函数bi和/>分别为输出层第i个神经元的真实标签和当前输出预测值,当代价函数满足costCE≤γ时网络停止训练过程,γ为系统预设的误差阈值;在在线检测阶段,上述预训练好的Y型检测网络模型被直接用于索引调制OTFS接收端进行信号检测输出预测的发送比特。
5.根据权利要求4所述的一种基于Y型网络的索引调制OTFS通信方法,其特征在于,步骤2中所述ISFFT后的时频域信号表示为XFT=FMXDDFN H,FM和FN分别为M点和N点离散傅里叶矩阵,所述Heisenberg变换后的时域信号为S=FM HXFT。
6.根据权利要求4所述的一种基于Y型网络的索引调制OTFS通信方法,其特征在于,所述步骤3看作是步骤2的一个逆过程,记接收DD信号和信道矩阵分别为YDD和H。
7.根据权利要求4所述的一种基于Y型网络的索引调制OTFS通信方法,其特征在于,步骤4中所述数据预处理过程具体为:将YDD和H经迫零均衡后进一步得到索引检测子网络输入g=1,...,G,k=1,...,K和符号检测网络输入/> 和分别为接收信号均衡后的实部和虚部。
8.根据权利要求4所述的一种基于Y型网络的索引调制OTFS通信方法,其特征在于,所述Y型检测网络在线检测阶段的各组输出比特经过比特并流器合并输出为最终恢复的原始发送比特。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210365656.8A CN114944896B (zh) | 2022-04-08 | 2022-04-08 | 一种基于y型网络的索引调制otfs通信系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210365656.8A CN114944896B (zh) | 2022-04-08 | 2022-04-08 | 一种基于y型网络的索引调制otfs通信系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114944896A CN114944896A (zh) | 2022-08-26 |
CN114944896B true CN114944896B (zh) | 2023-10-24 |
Family
ID=82906750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210365656.8A Active CN114944896B (zh) | 2022-04-08 | 2022-04-08 | 一种基于y型网络的索引调制otfs通信系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114944896B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106788636A (zh) * | 2017-03-09 | 2017-05-31 | 重庆临菲电子科技有限公司 | 一种空—码二维索引调制无线通信系统及通信方法 |
CN110391891A (zh) * | 2019-07-09 | 2019-10-29 | 中国地质大学(武汉) | 基于两阶段索引调制的ofdm实现方法和系统 |
CN111884975A (zh) * | 2020-07-17 | 2020-11-03 | 北京理工大学 | 基于时延-多普勒域的索引调制解调方法和系统 |
CN111988062A (zh) * | 2020-08-31 | 2020-11-24 | 厦门大学 | 基于索引调制的多序列扩频系统与方法 |
CN113630149A (zh) * | 2021-07-30 | 2021-11-09 | 厦门大学 | 一种基于索引调制的多序列扩频通信方法及系统 |
CN113708855A (zh) * | 2021-09-29 | 2021-11-26 | 北京信息科技大学 | 基于深度学习的otfs数据驱动接收方法、系统及介质 |
CN113810325A (zh) * | 2021-08-11 | 2021-12-17 | 西安电子科技大学 | 一种基于空间调制的多天线otfs调制方法和系统 |
CN114124238A (zh) * | 2021-10-20 | 2022-03-01 | 北京邮电大学 | 基于时分体制的otfs通信雷达一体化波形设计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109314619B (zh) * | 2016-03-23 | 2021-05-25 | 凝聚技术公司 | 正交时间频率空间调制信号的接收器侧处理 |
-
2022
- 2022-04-08 CN CN202210365656.8A patent/CN114944896B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106788636A (zh) * | 2017-03-09 | 2017-05-31 | 重庆临菲电子科技有限公司 | 一种空—码二维索引调制无线通信系统及通信方法 |
CN110391891A (zh) * | 2019-07-09 | 2019-10-29 | 中国地质大学(武汉) | 基于两阶段索引调制的ofdm实现方法和系统 |
CN111884975A (zh) * | 2020-07-17 | 2020-11-03 | 北京理工大学 | 基于时延-多普勒域的索引调制解调方法和系统 |
CN111988062A (zh) * | 2020-08-31 | 2020-11-24 | 厦门大学 | 基于索引调制的多序列扩频系统与方法 |
CN113630149A (zh) * | 2021-07-30 | 2021-11-09 | 厦门大学 | 一种基于索引调制的多序列扩频通信方法及系统 |
CN113810325A (zh) * | 2021-08-11 | 2021-12-17 | 西安电子科技大学 | 一种基于空间调制的多天线otfs调制方法和系统 |
CN113708855A (zh) * | 2021-09-29 | 2021-11-26 | 北京信息科技大学 | 基于深度学习的otfs数据驱动接收方法、系统及介质 |
CN114124238A (zh) * | 2021-10-20 | 2022-03-01 | 北京邮电大学 | 基于时分体制的otfs通信雷达一体化波形设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114944896A (zh) | 2022-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gao et al. | ComNet: Combination of deep learning and expert knowledge in OFDM receivers | |
CN111404849B (zh) | 一种基于深度学习的ofdm信道估计与信号检测方法 | |
CN109474352B (zh) | 一种基于深度学习的水声正交频分复用通信方法 | |
CN109547381B (zh) | 一种基于自编码器的dco-ofdm系统papr抑制方法及系统 | |
CN106357311B (zh) | 一种基于载波索引调制的mimo-ofdm系统的检测方法 | |
US5835536A (en) | Method and apparatus for reducing peak-to-average requirements in multi-tone communication circuits | |
CN113810325B (zh) | 一种基于空间调制的多天线otfs调制方法和系统 | |
CN111669344B (zh) | 一种基于深度学习的时变ofdm系统信号检测方法 | |
CN114584448B (zh) | 基于深度神经网络的sm-ofdm信号分组检测方法 | |
CN108847917B (zh) | 一种导频图案调制的正交频分复用传输方法 | |
CN114745230A (zh) | 基于深度神经网络结构的otfs信号接收恢复方法 | |
CN110958204A (zh) | 非对称复数深度神经网络的非正交多载波水下通信系统 | |
Yao et al. | Deep learning aided signal detection in OFDM systems with time-varying channels | |
CN114944896B (zh) | 一种基于y型网络的索引调制otfs通信系统及方法 | |
CN110381003B (zh) | Scma-ofdm系统中的针对峰均比抑制的多用户信号检测方法 | |
CN112636855A (zh) | 一种ofdm信号检测方法 | |
CN111934767A (zh) | 一种基于可见光信道的数据安全传输方法及系统 | |
Du et al. | Broad learning system-based detector for OFDM with index modulation | |
CN113950101B (zh) | 一种多载波索引调制系统及方法 | |
CN106487738A (zh) | 一种基于正交导频序列的水声ofdm通信系统选择性映射峰均比抑制算法 | |
CN100505725C (zh) | Ofdm系统的信道均衡方法 | |
CN113709075B (zh) | 一种利用水声信道多径效应的水声通信接收机的实现方法 | |
CN114679363A (zh) | 人工智能辅助ofdm接收机的离线学习方法 | |
Kadir et al. | Deep bidirectional lstm network learning-aided ofdma downlink and sc-fdma uplink | |
CN114070687B (zh) | 一种基于载波体制键控的混合载波调制解调方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |