Analiza skuteczności detekcji sygnałów GMSK w kanale z propagacją wielodrogową przy użyciu metod głębokiego uczenia

• Autorzy: Olejniczak Alicja , Cwalina Krzysztof K. , Sadowski Jarosław , Stefański Jacek

Identyfikatory

DOI

10.15199/59.2023.4.50

Warianty tytułu

EN

Efficiency analysis of GMSK signal detection in multipath channel based on deep learning methods

• Konferencja: Konferencja Radiokomunikacji i Teleinformatyki (20-22.09.2023 ; Kraków, Polska)
• Języki publikacji: PL

Abstrakty

PL

Odbiór sygnałów radiowych w środowisku wewnątrzbudynkowym jest istotnym problemem współczesnej radiokomunikacji. W celu zwiększenia skuteczności istniejących metod odbioru radiowego coraz częściej wykorzystuje się narzędzia z obszaru uczenia maszynowego. Niniejszy artykuł prezentuje analizę skuteczności głębokiej sieci neuronowej w odbiorze sygnałów GMSK w kanale z zanikami i propagacją wielodrogową. Prezentowane wyniki porównane zostały z klasycznym detektorem MLSE, a miarą skuteczności była bitowa stopa błędów.

EN

Receiving radio signals in an indoor environment is an important aspect of modern radio communication. In order to increase the effectiveness and reliability of the existing reception solutions, tools from the field of machine learning are increasingly used. This article presents an analysis of the effectiveness of a deep neural network in reception of GMSK signals in the multipath, fading channel. The presented results were compared with the classical MLSE detector and the measure of effectiveness was the bit error rate.

Słowa kluczowe

PL

EPA; głębokie uczenie; GMSK; sztuczna inteligencja

EN

EPA; deep learning; GMSK; artificial intelligence

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2023
• Tom: nr 4
• Strony: 232--235
• Opis fizyczny: Bibliogr. 15 poz., rys., tab.

Twórcy

autor

Olejniczak Alicja

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, Gdańsk

autor

Cwalina Krzysztof K.

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, Gdańsk

autor

Sadowski Jarosław

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, Gdańsk

autor

Stefański Jacek

• Politechnika Gdańska, Wydział Elektroniki, Telekomunikacji i Informatyki, Gdańsk

Bibliografia

• [1] 3GPP, TS 136 116. 2015. “LTE Evolved Universal Terrestrial Radio Access (E- UTRA) Relay Radio Transmission and Reception.”
• [2] Al-Baidhani, Amer, H. Howard Fan. 2019. “Learning for Detection: A Deep Learning Wireless Communication Receiver Over Rayleigh Fading Channels.” 2019 International Conference on Computing, Networking and Communications, ICNC 2019., 6–10.
• [3] Dakic, Kosta, Bassel Al Homssi, Akram Al Hourani, Margaret Lech. 2021. “LoRa Signal Demodulation Using Deep Learning, a Time Domain Approach.” IEEE Vehicular Technology Conference. 2021-April: 1–6.
• [4] Dörner, Sebastian, Sebastian Cammerer, Jakob Hoydis, Stephan ten Brink. 2017. “Deep Learning-Based Communication over the Air.” ArXiv. 12 (1): 132–43.
• [5] Goodfellow, Ian, Yoshua Bengio, Aaron Courville. 2016. Deep Learning. London: MIT Press.
• [6] He, Dongxuan, and Zhaocheng Wang. 2022. “Deep Learning-Assisted Demodulation for TeraHertz Communications Under Hybrid Distortions.” IEEE Communications Letters. 26 (2): 325–29.
• [7] Li, Lisha, Kevin Jamieson, Giulia DeSalvo, Afshin Rostamizadeh, Ameet Talwalkar. 2018. “Hyperband: A Novel Bandit-Based Approach to Hyperparameter Optimization.” Journal of Machine Learning Research. 18: 1–52.
• [8] Lu, Zan, Li Wei, Youyun Xu. 2019. “An Improved One-Bit OFDM Receiver Based on Model-Driven Deep Learning.” 2019 IEEE 5th International Conference on Computer and Communications, ICCC 2019., 2108–12.
• [9] Olejniczak, Alicja, Krzysztof K. Cwalina, Jarosław Sadowski, Jacek Stefański. 2022. “Analiza Efektywności Metod Głębokiego Uczenia w Odbiorze Sygnałów GMSK.” Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne. 1 (4): 351–54.
• [10] Qiao, Yuanjian, Jun Li, Bo He, Wenxin Li, Tongliang Xin. 2020. “A Novel Signal Detection Scheme Based on Adaptive Ensemble Deep Learning Algorithm in SC-FDE Systems.” IEEE Access. 8: 123514–23.
• [11] Stefanski, Jacek. 2000. “Efektywność Odbioru Adaptacyjnego w Systemie Łączności Komórkowej GSM.” Politechnika Gdanska.
• [12] Ye, Hao, Geoffrey Ye Li, Biing Hwang Fred Juang. 2017. “Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems.” IEEE Wireless Communications Letters. 7 (1): 114–17.
• [13] Ye, Hao, Geoffrey Ye Li, Biing Hwang Fred Juang, Kathiravetpillai Sivanesan. 2018. “Channel Agnostic End-to-End Learning Based Communication Systems with Conditional GAN.” In IEEE Globecom Workshops (GC Wkshps). Abu Dhabi: IEEE.
• [14] Zhu, Banghua, Jintao Wang, Longzhuang He, Jian Song. 2018. “Joint Transceiver Optimization for Wireless Communication PHY with Convolutional Neural Network.” ArXiv. 37 (6): 1364–73.
• [15] Zhu, Manquin, Shengbo Hu, Kai Yang, Tingting Yan, Lv Ye, Hongjuan Li, Yang Jin. 2023. “GMSK Demodulation Combining 1D-CNN and Bi-LSTM Network Over Strong Solar Wind Turbulence Channel.” Radio Science. 58 (1).

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).