基于机器学习的OFDM信号调制检测
原文中文，约400字，阅读约需1分钟。发表于：。本研究针对OFDM技术中的盲调制检测提出了一种新的机器学习方法，解决了以往研究中对环境参数和缺陷考虑不足的问题。我们采用ResNet网络在检测调制类型的同时，准确识别循环前缀位置，最终实现了无须事先了解传输信号的调制分类，且在不同调制方案和子载波数量条件下，检测准确率在10 dB时超过80%，在25 dB时达到95%。
本文介绍了一种名为RC-Struct的基于结构的神经网络架构，用于MIMO-OFDM符号检测。RC-Struct利用MIMO-OFDM信号的时域结构，通过储备计算和二进制分类器实现多类检测。实验表明，RC-Struct在误比特率方面优于传统方法和现有策略，尤其在等级和链路自适应时更为显著。该架构为5G和其他通信领域的接收处理提供了启示。
