大概内容
在本文中,为了设计一个具有挑战性的海上信道环境的智能 IoV 通信系统,提出了一种新颖的 OFDM 自动编码器,它采用 CNN 和 LSTM 层来促进端到端学习。此外,所提出的基于学习的自动编码器最适合具有精确信道模型不切实际或不可能的通信系统,这不仅限于海上通信。我们的 OFDM 自动编码器由多个 CNN 层组成,以便学习复杂的信号表示以实现最佳传输,同时使用的参数比使用 FC 层少。此外,所提出的 CNN 架构能够在训练期间轻松收敛到最佳解决方案
- 同时,我们还提出了一种新的 OFDM 系统信道估计算法,该算法将 DL 的强大功能与超分辨率重建的思想相结合,
- 其中使用专门设计的 Dense-Net 架构将低分辨率导频信息图像重建为高分辨率图像。
- Dense-Net架构通过密集连接和特征复用解决了传统CNN梯度消失和参数过多的问题。
- 在慢衰落信道下,提议的 CE 可以估计接近完美的 CIR。
- 在快速衰落信道的情况下,所提出的 CE 比现有的基于 DL 的算法具有更好的性能,并且具有更低的计算复杂度。
- 最后,所提出的编码 OFDM 自动编码器和所提出的基于 CNN 的 CE 需要大量的计算能力来进行离线训练,然而,一旦训练完成,所提出的自动编码器通过加载训练参数和易于在线训练更新来享受简单的部署。
总之,我们认为所提出的 OFDM 自动编码器的泛化能力与卓越的 BLER 性能和对复杂海洋环境的适应性相结合,受到 LSTM 辅助 CNN 的支持,是 IoV 发展的关键。