论文部分内容阅读
第六代（6th Generation,6G）移动通信系统将以超低时延、超高速率和高可靠性来实现万物智联的目标,为扩展现实（e Xtended Reality,XR）、智慧医疗、下一代物联网等新型无线应用的发展提供服务。近年来,人工智能（Artificial Intelligence,AI）被认为是最有希望设计出高性能6G系统的解决方案,其强大的潜力在无线物理层中得到了充分证明。因此,本文围绕着无线物理层中存在的一些严峻挑战,诸如功率放大器带来的非线性失真、加性高斯白噪声（Additive White Gaussian Noise,AWGN）信道下的星座调制设计和混合自动重传请求（Hybrid ARQ,HARQ）中的星座重排（Constellation Rearrangement,Co Re）方案设计等,利用AI中的深度学习技术开展了一系列的研究工作。论文的研究工作和成果包括以下内容:首先,针对无记忆功率放大器带来的非线性失真问题,本文介绍了针对Rapp和Saleh模型的常规后失真检测算法。考虑到常规后失真检测算法的实现复杂度较高的情况,本文提出了基于深度神经网络的比特解调网络（Bit-level Demodulator network,BLDnet）,为深度学习在功放非线性场景下的应用提供了可能。BLDnet利用Sigmoid函数来得到接收信号中每个比特的后验概率分布,从而实现了传统解调器的功能。仿真结果表明,通过BLDnet得到的软量可以用于前向纠错码的译码器中,当调制信号为1024QAM时,相比于常规后失真检测算法,BLDnet在Rapp和Saleh模型上能够以较低的实现复杂度,显著地提升系统的检测性能。然后,针对AWGN信道下的星座调制设计问题,本文提出了一种基于深度神经网络的增强型比特位自编码器（enhanced Bit-wise Autoencoder,e Bit-AE）网络。e Bit-AE网络本质上是利用神经网络去实现传统通信系统中的调制、信道以及解调等模块,通过优化e Bit-AE网络得到AWGN信道下的几何星座。相比于采用多分类交叉熵作为损失函数的符号位自编码器网络,e Bit-AE网络可以设计出适用于比特交织编码调制系统的星座。仿真结果表明,当调制阶数分别对应为16、64、256时,本文提出的e Bit-AE网络设计得到的几何星座相比于APSK星座、北美第三代数字广播电视系统ATSC3.0协议中提出的非均匀星座,以及5G标准中QAM星座,拥有显著的几何成形增益。最后,针对HARQ中有限传输次数限制下的Co Re方案设计问题,本文提出了一种基于深度神经网络的Co Re-AE方案。当HARQ中传输次数限制在2次时,考虑到常规Co Re方案在这种情况下难以保证符号上每个比特的可靠性达到一致,Co Re-AE方案利用两个自编码器网络来模拟一次数据传输过程。该方案不仅可以优化多次传输时的星座映射方式,还可以优化多次传输时的星座几何位置。仿真结果表明,当HARQ中传输次数限制在2次时,Co Re-AE方案的误码率性能针对调制阶数为16、64的情况下均要优于常规Co Re方案,并且,该方案取得的性能增益会随着调制阶数的增大而增大。此外,我们通过分析可知,Co Re方案的性能增益来源于部分星座重排增益和几何成形增益。