10.16526/j.cnki.11-4762/tp.2022.06.023
基于深度学习OFDM信道补偿技术硬件实现
为了解决部分高性能深度学习神经网络因存在复杂度高及计算量大等缺陷在嵌入式设备中应用效果不理想的问题;以小型化集成智能无线电设备AIR-T为平台实现了基于深度学习的OFDM信道补偿技术;在FPGA芯片上不仅实现了 OFDM信号传输系统模块,也实现了传统信道估计与均衡模块,模块对数据进行预处理减轻神经网络工作量以完成神经网络信道补偿技术模块在JetsonTX2平台GPU上的高效实现;由实验记录神经网络训练过程中的计算复杂度和参数拟合速度得知,传统信道估计与均衡模块有效降低了网络训练时的运算次数;由测试性能方面可知,经过神经网络信道补偿后的数据误码率比之前传统信道估计与均衡后的误码率有明显降低;
正交频分复用(OFDM)、深度学习、信道补偿、嵌入式设备、FPGA、Jetson TX2
30
TN914
2022-07-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
150-156,162