基于深度学习的多模OFDM索引调制检测器

来源：信号处理杂志 2022年第12期北京时间：

作者：李扬, 许魁, 张冬梅, 徐健卉, 谢威, 夏晓晨, 李娜

摘要：本文提出了一种基于深度学习（Deep Learning， DL）的多模正交频分复用索引调制（Multi-Mode Orthogonal Frequency Division Multiplexing with Index Modulation， MM-OFDM-IM）检测器。在该检测器中包括两个子卷积神经网络（Sub-Convolutional Neural Network， SCNN）并行对MM-OFDM-IM信号的索引位和载波位进行检测，接收符号在经过迫零（Zero Force， ZF）均衡后再预处理生成二维矩阵，同时输入到子卷积网络中学习信号的内在特征。经过离线训练，该检测器可以实现MM-OFDM-IM符号的在线检测。仿真结果表明，该检测器在瑞利衰落信道条件下能以较低的计算复杂度获得近似最大似然（Maximum Likelihood， ML）检测性能。通过对已训练后的模型进行剪枝操作，能在保证检测误码率（Bit Error Rate， BER）的前提下大幅度减少模型的参数量，达到了性能与计算复杂度的有效平衡。

关键词：‍‍正交频分复用, 索引调制, 神经网络, 剪枝, 最大似然检测, 误码率