基于深度学习的空间脉冲位置调制多分类检测器

作     者：王惠琴 侯文斌 黄瑞 陈丹 WANG Hui-qin;HOU Wen-bin;HUANG Rui;CHEN Dan

作者机构：兰州理工大学计算机与通信学院甘肃兰州730050 西安理工大学自动化与信息工程学院陕西西安710048 

出 版 物：《中国光学（中英文）》 (Chinese Optics)

年 卷 期：2023年第16卷第2期

页      面：415-424页

核心收录：

学科分类：0710[理学-生物学] 08[工学] 0803[工学-光学工程] 0701[理学-数学] 0702[理学-物理学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(No.61861026,No.61875080) 甘肃省自然科学基金资助项目(No.20JR5RA472) 陕西省科技计划产业研究项目(No.2020GY-036) 西安科技局项目(No.GXYD14.21)。 

主　　题：无线光通信 空间脉冲位置调制 深度学习 多分类检测器 

摘      要：为有效避免最大似然(ML)检测复杂的计算过程,根据空间脉冲位置调制(SPPM)信号的特点,将深度神经网络(DNN)与分步检测相结合,提出了一种基于深度学习的SPPM多分类检测器。在该检测器中,利用DNN建立接收信号与PPM符号间的非线性关系,并以此为准则完成在线接收PPM符号的检测,从而有效避免了对PPM符号的穷搜索检测过程。结果表明,采用本文检测器后,SPPM系统在大幅降低检测复杂度的前提下,取得了近似最优的误比特性能,同时还克服了K均值聚类(KMC)分步分类检测所出现的错误平台效应。当PPM阶数为64时,本文方法较ML检测和线性均衡DNN检测器的计算复杂度分别降低了约95.45%、33.54%。