论文部分内容阅读
无线信道均衡可以被看成将接收端符号恢复成发射符号集中某个符号的问题;而无线通信系统中的许多恢复过程可以被认为是通过学习一组具有良好的概率包络和相干时间的随机滤波器来克服信号的线性混合、旋转、时移、缩放以及卷积等特性。具体地,使用卷积神经网络(CNN)来学习这些滤波器,然后将学习到的滤波器送入后续的循环神经网络进行时域建模,最后对信号进行分类。实验显示:卷积-循环神经网络(CRNN)均衡器与传统的递归最小二乘滤波器(RLS)、多层感知机滤波器(MLP)在达到相同误码率(SER)情况下好2～4 d B。