卿朝进,余 旺,董 磊,杜艳红,唐书海

(西华大学 电气与电子信息学院,四川 成都 610039)

1 概述

作为通信系统中的重要组成部分之一,帧同步方法性能的优劣,直接影响整个无线通信系统的性能[1]。寻求更低错误概率的帧同步方法,是专家学者一直以来的研究兴趣所在[2]。

然而,为降低收发信机的制造成本,需使用大量低成本、低分辨率器件(如功率放大器、AD 采样器)[3],从而造成无线通信系统中不可避免地存在非线性失真,如高效功率放大器(HPA,high power amplifier)失真、模数或数模转换器失真、以及I/Q 两路不平衡引起的失真,等等[4]。一些经典与时新的帧同步方法(如经典的相关法[5],时新的基于压缩感知(CS,compressed sensing)的帧同步方法[6])在非线性失真条件下通常难以适用[7]。通常情况下,无线通信系统的信号处理(如信道估计,信号解调等)大多在同步处理之后进行[7]。非线性失真通常最先被同步处理遭遇且必须得以恢复；否则,无线通信系统随后的信号处理将遭受性能恶化,甚至难以进行。

机器学习对非线性失真具有优异的学习能力[8-9],近年来被广泛地应用于无线通信物理层中[10-17]。其中,基于机器学习的同步技术在频率同步方面已有较好的研究,如文献[10-12]。然而,基于机器学习的时间同步技术研究相对较少。从能检索到的他人文献中,文献[18]研究了基于深度学习的定时同步方法,但其定时错误概率远大于传统的匹配滤波定时同步方法。文献[19]基于端到端模型,研究了基于深度学习的同步问题,但在时间同步上,并未取得较好的效果。……