Czasopismo | PRZEGLĄD TELEKOMUNIKACYJNY - WIADOMOŚCI TELEKOMUNIKACYJNE | Rocznik 2024 - zeszyt 4

GŁĘBOKIE UCZENIE DO KOREKCJI FAZY SYGNAŁÓW GMSK W RZECZYWISTYM ŚRO- DOWISKU WEWNĄTRZBUDYNKOWYM

DEEP LEARNING FOR PHASE CORRECTION OF GMSK SIGNALS IN REAL INDOOR ENVIRONMENT

10.15199/59.2024.4.24

nr katalogowy: 150414
10.15199/59.2024.4.24

Streszczenie

Niniejszy artykuł prezentuje zastosowanie modelu głębokiej sieci neuronowej do estymacji średniego odchylenia fazy sygnałów odebranych i jest elementem ba- dań obejmujących szersze zagadnienie, jakim jest odbiór sy- gnałów GMSK wspomagany uczeniem maszynowym. Ana- liza pozwoliła potwierdzić wysoką skuteczność sieci neuro- nowej, a wyniki obejmowały kanały ETU i EPA oraz dane pomiarowe zebrane w rzeczywistym środowisku wewnątrz- budynkowym. Rozwiązanie porównano z klasycznymi meto- dami estymacji średniego odchylenia fazy.

Abstract

The given paper presents the application of a deep neural network for phase rotation estimation and is part of a study covering the wider issue of GMSK signal reception based on machine learning. The analysis confirmed the high efficiency of the neural network, including ETU and EPA channels and measurement data collected in a real indoor environment. The proposed solution was compared with classical methods for the estimation of mean phase rotation.

Słowa kluczowe

Keywords

Bibliografia

[1] 3GPP, TS 136 116. 2015. “LTE Evolved Universal Terrestrial Radio Access (E- UTRA) Relay Radio Transmission and Reception.”
[2] Bao, Yicheng, Zeyu Tan, Haifeng Sun, Zhikang Jiang. 2020. “SimNet: Simplified Deep Neural Networks for OFDM Channel Estimation.” 2020 3rd IEEE International Conference on Information Communication and Signal Processing, ICICSP 2020, 348–52.
[3] Gao, Xuanxuan, Shi Jin, Chao Kai Wen, Geoffrey Ye Li. 2018. “ComNet: Combination of Deep Learning and Expert Knowledge in OFDM Receivers.” IEEE Communications Letters. 22 (12): 2627–30.
[4] Goodfellow, Ian, Yoshua Bengio, Aaron Courville. 2016. Deep Learning. Londyn: MIT Press.
[5] Liu, Jiang, Marco Di Renzo. 2021. “Data- Driven and Model-Driven Deep Learning Detection for RIS-Aided Spatial Modulation.” IEEE 4th 5G World Forum, 5GWF, 88–92.
[6] Olejniczak, Alicja, Krzysztof K. Cwalina, Jaroslaw Sadowski, Jacek Stefanski. 2023. “Analiza Skuteczności Detekcji Sygnałów GMSK w Kanale z Propagacją Wielodrogową Przy Użyciu Metod Głębokiego Uczenia.” Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne. 4 (2023): 234–37.
[7] Olejniczak, Alicja, Krzysztof K. Cwalina, Jarosław Sadowski, Jacek Stefański. 2022. “Analiza Efektywności Metod Głębokiego Uczenia w Odbiorze Sygnałów GMSK.” Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne. 4 (2022): 351–54.
[8] Shlezinger, Nir, Nariman Farsad, Yonina C. Eldar, Andrea J. Goldsmith. 2020. “ViterbiNet: A Deep Learning Based Viterbi Algorithm for Symbol Detection.” IEEE Transactions on Wireless Communications. 19 (5): 3319–31.
[9] Stefanski, Jacek. 2000. “Efektywność Odbioru Adaptacyjnego w Systemie Łączności Komórkowej GSM.” Politechnika Gdanska.
[10] Yao, Rugui, Shengyao Wang, Xiaoya Zuo, Juan Xu, Nan Qi. 2019. “Deep Learning Aided Signal Detection in OFDM Systems with Time- Varying Channels.” IEEE Pacific Rim Conference on Communications, Computers and Signal Processing, 1–5.
[11] Zhang, Haotian, Lin Zhang, Yuan Jiang, Zhiqiang Wu. 2021. “LSTM and ResNets Deep Learning Aided End-to-End Intelligent Communication Systems.” 2021 2nd Information Communication Technologies Conference, ICTC, 156–60.
[12] Zheng, Shuntian, Sheng Wu, Haihan Li, Chunxiao Jiang, Xiaojun Jing. 2021. “Deep Learning- Aided Receiver Against Nonlinear Distortion of HPA in OFDM Systems.” 13th International Conference on Wireless Communications and Signal Processing, WCSP, 1–6.
[13] Zhou, Xue, Zhuo Sun, Hengmiao Wu, Qianqian Wu. 2019. “Embeddable Convolutional Layer-Based Filter for Wireless Signal Detection.” 2019 IEEE Wireless Communications and Networking Conference Workshop, WCNCW, 1–6.

Prenumerata

PRZEGLĄD TELEKOMUNIKACYJNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

300.00 zł

PRZEGLĄD TELEKOMUNIKACYJNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD TELEKOMUNIKACYJNY - papierowa prenumerata roczna	348.00 zł brutto 322.22 zł netto 25.78 zł VAT (stawka VAT 8%)
PRZEGLĄD TELEKOMUNIKACYJNY - pakowanie i wysyłka	21.00 zł brutto 17.07 zł netto 3.93 zł VAT (stawka VAT 23%)

369.00 zł

PRZEGLĄD TELEKOMUNIKACYJNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD TELEKOMUNIKACYJNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	450.00 zł brutto 416.67 zł netto 33.33 zł VAT (stawka VAT 8%)

450.00 zł

Open Access

Zeszyt

2024-4

Twój Koszyk

Prenumerata

Open Access

Zeszyt

Czasopisma