机构名称：
¥ 1.0
许多误差校正代码的解码器都使用对数 - 样比率（LLR）作为输入，其中涉及噪声的概率密度函数（PDF）。在冲动的噪声中，噪声的PDF无法以封闭形式访问，只能通过非常复杂的数值计算获得。因此，二进制相移键合（BPSK）的LLR计算太复杂了。对于高阶调制而言，它变得更加复杂。此外，随着调制顺序的增加，LLR计算复杂性会增长。我们工作的主要贡献在于LLR近似高阶调制及其使用监督机器学习的估算，而无需先验噪声分布模型。为此，我们提出了两种方法，以使用监督的机器学习来近似LLR值，以实现高阶调制符号。第一种方法也可以用于BPSK调制符号。与第一种方法相比，第二种方法旨在以更简化的方式近似高阶调制符号的LLR。对于两种方法，我们使用线性回归算法在已知噪声通道条件下估算了近似LLR的参数。为了估算这些参数而在没有噪声分布模型的事先了解的情况下，我们使用二进制逻辑回归算法。我们的模拟集中在第二种提出的方法上，以估计噪声分布未知的LLR。所提出的LLR估计显示出与使用精确LLR函数获得的相当性能。为4个sask（振幅偏移键）调制方案提供了结果，其中假定接收器的噪声范围从高斯到高度冲动的模型。
使用机器学习的LLR估计
主要关键词
相关文件推荐
