在干扰对齐（ICI）条件下，利用神经网络辅助的M-PSK检测技术应用于802.11P车对车（V2V）正交频分复用（OFDM）系统

《IEEE Wireless Communications Letters》：Neural Network Aided M-PSK Detection in 802.11P V2V OFDM Systems Under ICI Conditions

　　本研究提出了一种低复杂度神经网络用于消除正交频分复用（OFDM）系统中QPSK信号检测的载波间干扰（ICI），通过预处理将干扰抑制转化为分类任务，在保证计算效率的同时显著优于传统非线性算法。

　　

摘要：

本文研究了在为宽带车对车（V2V）通信环境设计的正交频分复用（OFDM）系统中，神经网络在正交相移键控（QPSK）信号检测中的应用。在这种情况下，由双色散信道引起的载波间干扰（ICI）会导致子载波的正交性丧失，从而严重损害检测性能。传统的线性和非线性ICI抑制技术在比特错误率（BER）性能和计算复杂度之间存在根本性的权衡，这限制了它们在高度动态的V2V环境中的有效性。本文提出了一种低复杂度的神经网络用于在ICI存在下的M-PSK检测。该方法包括一个预处理步骤，将干扰抑制转化为分类任务。结果表明，该方法的性能优于传统的非线性算法，同时其复杂度接近线性最小二乘检测。

引言

新兴的智能交通系统（ITS）的发展面临着车对基础设施（V2I）和车对车（V2V）通信中的关键挑战，在这些场景中，高移动性条件会产生特别严重的双选择性信道（DSC）[1]、[2]、[3]。这些时频色散信道会破坏OFDM子载波的正交性，导致两个根本性问题：（1）由于多普勒效应引起的载波间干扰（ICI）；（2）由于时变多径引起的符号间干扰（ISI）[4]、[5]。这种退化直接影响了核心通信任务，包括信道估计、数据检测和错误校正；这一领域一直是大量研究的重点[6]、[7]。