基于神经网络的OFDM信道补偿与信号检测

针对非线性失真和多径效应混合的复杂信道条件，提出一种基于神经网络的正交频分复用（OFDM）信道补偿与信号检测的方法。首先接收端信号利用最小二乘（LS）算法和迫零（ZF）算法做预处理，然后再输入到一层全链接层的神经网络进行进一步的信道补偿与信号检测，并恢复数据流。仿真结果表明，在没有进行输入信号功率回退（IBO）时，所提方法的误比特率（BER）性能比LS算法提升2个数量级，比线性最小均方误差（LMMSE）、最小均方误差（MMSE）提升一个数量级；在进行IBO后，所提方法能避免LS信道估计下至少4 dB的功率损失，能避免LMMSE、MMSE信道估计下至少2 dB的功率损失。所提方法在一定程度上验证了机器学习结合通信的先验知识的这种新的网络结构更能提升系统数据传输的准确率。