面向自由空间光通信的PC-STBC方法研究

针对大气湍流对自由空间光通信系统误码率影响较大的问题,提出了一种在多输入多输出系统中将极化编码与空时编码直接级联的方案。在弱湍流信道中,使用高斯近似的方式构造出编码序列并进行极化编码,并使用二进制相移键控对编码序列进行调制,再与空时编码进行直接级联。仿真结果表明:在多输入多输出系统中,码字长度N=1 024时,系统的误码率可下降至10-6级以下;若码字长度N=2 048时,信噪比高于2 dB时,误码率可趋近于0。接收天线数越多,系统的分集阶数越高,系统误码率下降速度变慢,系统整体性能变差。因而该级联方案能够更好地改善系统误码率性能。并且在不同的湍流强度下,表现出对强湍流具有更好的抑制效果,误码率下降更明显。     

OFDM系统中CNN-GRU信号检测自编码器

针对在双选衰落特性下信道时变和非平稳导致OFDM信号检测精度较差的问题,提出了一种基于CNN-GRU神经网络（Convolutional Neural Network-Gated Recurrent Unit Neural Networks,CGNN）信号检测方案。首先使用信道模型生成数据以充分挖掘信道先验知识;然后在离线训练中采用一维卷积神经网络对原始信号进行降维和特征提取,利用门控循环单元的记忆特性恢复受到衰落的信号;最后为减少衰落程度严重的子载波引起的干扰,在网络训练中添加注意力机制,给每个子载波赋予权重,从而进行差异化训练。仿真结果表明,本文所提检测方法的误码性能提升明显,在平坦衰落信道下,CGNN能获得0.3dB~1dB的误码性能增益,在频率选择衰落信道下,CGNN能获得2dB~5dB的误码性能增益,并且拥有很强的鲁棒性。