GFDM中基于高階長短時記憶神經網絡的自適應均衡器
2022年電子技術應用第8期
牛安東1，2，苗 碩1，2，劉佳寧1，2，李英善1，2
1.南開大學 電子信息與光學工程學院，天津300350；2.南開大學 光電傳感器與傳感網絡技術重點實驗室，天津300350
摘要： 在廣義頻分復用系統(tǒng)(GFDM)中，為解決5G網絡下車載移動通信在Sub-6 GHz頻段信道中信號嚴重失真的問題，提出一種基于高階長短時記憶神經網絡(HO-LSTM)結構的自適應均衡器。HO-LSTM自適應均衡器在傳統(tǒng)高階前饋神經網絡(HO-FNN)的基礎上，采用復雜度更低的廣義記憶多項式模型(GMP)代替Volterra模型，并引入LSTM神經網絡使其更適用于復雜非線性模型的預測。結果表明，相比于傳統(tǒng)HO-FNN均衡器和LSTM均衡器，所提出的HO-LSTM均衡器的均衡效果顯著提升，系統(tǒng)性能也得到進一步改善。
中圖分類號： TN911.7
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.212382
中文引用格式： 牛安東，苗碩，劉佳寧，等. GFDM中基于高階長短時記憶神經網絡的自適應均衡器[J].電子技術應用，2022，48(8)：95-100.
英文引用格式： Niu Andong，Miao Shuo，Liu Jianing，et al. An adaptive equalizer based on high order LSTM in GFDM[J]. Application of Electronic Technique，2022，48(8)：95-100.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.212382
中文引用格式： 牛安東，苗碩，劉佳寧，等. GFDM中基于高階長短時記憶神經網絡的自適應均衡器[J].電子技術應用，2022，48(8)：95-100.
英文引用格式： Niu Andong，Miao Shuo，Liu Jianing，et al. An adaptive equalizer based on high order LSTM in GFDM[J]. Application of Electronic Technique，2022，48(8)：95-100.
An adaptive equalizer based on high order LSTM in GFDM
Niu Andong1，2，Miao Shuo1，2，Liu Jianing1，2，Li Yingshan1，2
1.College of Electronic Information and Optical Engineering，Nankai University，Tianjin 300350，China； 2.Tianjin Key Laboratory of Optoelectronic Sensor and Sensing Network Technology，Nankai University，Tianjin 300350，China
Abstract： In the generalized frequency division multiplexing system(GFDM), in order to solve the problem of severe signal distortion in the sub-6 GHz frequency band channel of the vehicle-mounted mobile communication under the 5G network, an adaptive equalizer based on high order long short-term memory(HO-LSTM) neural network structure is proposed. Based on the traditional high-order feedforward neural network(HO-FNN), HO-LSTM adaptive equalizer uses the generalized memory polynomial model(GMP) with lower complexity instead of Volterra model, and introduces LSTM neural network to make it more suitable for the prediction of complex nonlinear models. The results show that, compared with the traditional HO-FNN equalizer and LSTM equalizer, the equalization effect of the proposed HO-LSTM equalizer is significantly improved, and the system performance is further improved.
Key words : generalized frequency division multiplexing(GFDM)；long short-term memory(LSTM)；high order neural network；generalized memory polynomial(GMP)
0 引言
近年來，第五代移動通信技術(5th Generation Mobile Communication Technology，5G)受到了極大的關注。廣義頻分復用技術(Generalized Frequency Division Multiplexing，GFDM)作為5G候選波形，由于其能夠有效地克服碼間干擾，讓依賴于超可靠低時延通信的車聯(lián)網等業(yè)務從中受益[1]。在中國工信部出臺的針對5G通信規(guī)劃中，將Sub-6 GHz頻段作為商用頻段。相比于第四代移動通信(4th Generation Mobile Communication Technology，4G)中1.8 GHz～2.7 GHz的低頻段信道，Sub-6 GHz的高頻段信道導致的信號失真會更加嚴重[2]。
目前接收端均衡技術是提高通信質量的有效方法之一，傳統(tǒng)的均衡器分為線性均衡器和非線性均衡器兩種類型。其中非線性均衡器通常有兩種常用的設計方式：基于Volterra濾波器的方法[3-4]和基于神經網絡的方法[5-7]。
本文詳細內容請下載：http://www.shi-ke.cn/resource/share/2000004659。
作者信息：
牛安東1，2，苗 碩1，2，劉佳寧1，2，李英善1，2
(1.南開大學 電子信息與光學工程學院，天津300350；2.南開大學 光電傳感器與傳感網絡技術重點實驗室，天津300350)
此內容為AET網站原創(chuàng)，未經授權禁止轉載。