OFDM系统中CNN-GRU信号检测自编码器

来源：电子测量技术杂志2021年第17期北京时间：

作者：张祖鹏，曹阳，彭小峰，文豪，秦怀军

单位：重庆理工大学 电气与电子工程系 重庆市 400054

摘要：针对在双选衰落特性下信道时变和非平稳导致OFDM信号检测精度较差的问题，提出了一种基于CNN-GRU神经网络（Convolutional Neural Network-Gated Recurrent Unit Neural Networks，CGNN）信号检测方案。首先使用信道模型生成数据以充分挖掘信道先验知识；然后在离线训练中采用一维卷积神经网络对原始信号进行降维和特征提取，利用门控循环单元的记忆特性恢复受到衰落的信号；最后为减少衰落程度严重的子载波引起的干扰，在网络训练中添加注意力机制，给每个子载波赋予权重，从而进行差异化训练。仿真结果表明，本文所提检测方法的误码性能提升明显，在平坦衰落信道下，CGNN能获得0.3dB~1dB的误码性能增益，在频率选择衰落信道下，CGNN能获得2dB~5dB的误码性能增益，并且拥有很强的鲁棒性。

关键词：信号检测;一维卷积神经网络;门控循环单元;注意力机制

基金资助：重庆市教委基金（KJ120827）、重庆市教委科学技术项目（KJ1500934）、重庆市教委科学技术研究项目（KJ1709205）、重庆市研究生科研创新项目（CYS18311）、重庆市基础与前沿研究计划项目（cstc2015jcyjA40051）、重庆市巴南区科技计划项目（2019TJ07）资助