一种用于同时解调 QAM 和 APSK 星座图的机器学习方法
原文中文,约300字,阅读约需1分钟。发表于: 。本文介绍了一种新颖的概率框架,使得单个深度神经网络解调器能够同时解调多个 QAM 和 APSK 星座。通过利用星座族的层次关系,我们的框架需要更少的神经网络输出来编码相同的功能,而不增加误码率。仿真实验结果表明,我们的方法在加性白高斯噪声信道中逼近了多个星座的最优解调误差界,从而解决了使得深度神经网络足够灵活以实际用作接收器的多个重要问题。
本文介绍了一种新颖的概率框架,使得单个深度神经网络解调器能够同时解调多个 QAM 和 APSK 星座。通过利用星座族的层次关系,我们的框架需要更少的神经网络输出来编码相同的功能,而不增加误码率。仿真实验结果表明,我们的方法在加性白高斯噪声信道中逼近了多个星座的最优解调误差界,从而解决了使得深度神经网络足够灵活以实际用作接收器的多个重要问题。