深度学习解调器

高速信道抗扰

该解调器采用深度神经网络联合解扩与混沌解调，并利用残差LSTM抑制混沌序列干扰，适合信道快速时变的高速铁路场景。

Haodong, Zheng · 张琳 · 董志诚 · Hongcheng, Zhuang · Wu, Zhiqiang · 王琳 · 徐位凯

IEEE Transactions on Vehicular Technology 2023

技术优势

误码率更低

在AWGN、衰落和铁路信道下，所提方案均取得优于基准方案的误码率性能，验证了其可靠性提升。

抗信道变化

利用LSTM残差结构提取混沌序列相关性，抑制实值混沌序列引起的干扰，增强在动态变化信道下的鲁棒性。

智能解调

采用深度神经网络联合执行Walsh码解扩和混沌解调，无需额外设计复杂解调算法，适应复杂动态信道。

应用场景

• 高速列车通信：在信道快速变化下维持可靠传输，提升列车通信的稳定性。
• 车地无线传输：抑制动态信道干扰，降低车地链路误码率。
• 动态信道接收机：用深度学习特征提取适应信道时变，替代传统固定解调。
• 混沌通信系统：联合解扩与混沌解调，抑制混沌序列干扰，提升系统可靠性。
• 智能信号处理：利用DNN和LSTM智能提取信号特征，免去复杂人工解调设计。