智能无线通信 课件 第四章 物理层技术中AI的应用-PHY-AI-EXA1-理论

无线通信中的人工智能基于AI的信号检测技术及课程案例实践（理论部分）

无线通信中的物理层技术及过程01AI在物理层技术中的应用02提纲调制与解调调制与解调03AMC技术04基于ML的调制识别技术05无线通信中的物理层技术及过程信道编码Channelencoder信道译码Channeldecoder调制Modulation解调Demodulation发送天线映射AntennaMapping接收信号检测SignalDetection无线信道WirelesschannelD/A&RFA/D&RF信源编码Channelencoder信源译码Channeldecoder发射机Transmitter接收机Receiver信道估计ChannelEstimation联合信源信道编码新型信道编译码自适应编码调制AMC多天线MIMO干扰删除IC多载波调制OFDMML/AI应用与PHY技术的现状（1/2）

Channelcoding/Jointsource-channelcodingE.Nachmani,Y.Be’ery,D.Burshtiein,“Learningtodecodelinearcodesusingdeeplearning”,2016N.Farsad,M.Rao,A.Goldsmith,“Deeplearningforjointsource-channelcodingoftext”,2018Modulation/AdaptiveModulationandCoding(AMC)ZhechenZhuandAsokeK.Nandi,“AutomaticModulationClassification:Principles,AlgorithmsandApplications”,FirstEdition,JohnWiley&Sons,Ltd.,2015MIMO,MassiveMIMON.Samuel,T.Diskin,A.Wiesel,“DeepMIMOdetection”,2017ChannelestimationH.He,C.-K,Wen,J.Shi,G.Y.Li.,“Deeplearning-basedchannelestimationforbeamspacemmWavemassiveMIMOsystems”,2018Signaldetection/OFDM/channelestimationH.Ye,G.Y.Li,B.-H.F.Juang,“PowerofdeeplearningforchannelestimationandsignaldetectioninOFDMsystems”,2018ML/AI应用与PHY技术的现状（2/2）End-to-endtransceiverdesignT.O’SheaandJ.Hoydis,"AnIntroductiontoDeepLearningforthePhysicalLayer,"IEEETrans.Cognit.Commun.Netw.,vol.3,no.4,pp.563-575,Dec.2017.H.Ye,L.Liang,G.Y.LiandB.-H.Juang,"DeepLearning-BasedEnd-to-EndWirelessCommunicationSystemsWithConditionalGANsasUnknownChannels,"IEEETrans.WirelessCommun.,vol.19,no.5,pp.3133-3143,May2020.F.AitAoudiaandJ.Hoydis,"End-to-EndLearningforOFDM:FromNeuralReceiverstoPilotlessCommunication,"IEEETrans.WirelessCommun.,vol.21,no.2,pp.1049-1063,Feb.2022.调制与解调:发射机与接收机的核心技术

频带调制模拟调制:调制信号（基带信号）是模拟信号AM（DSB，SSB：USB&LSB，VSB）FM数字调制:基带信号是数字信号ASK(2ASK,M-ASK)PSK(2PSK,M-PSK)FSK(2FSK,M-PSK)PAM(2PAM,M-PAM)QAM(QPSK,M-QAM)调幅AM调频FMASK(2ASK波形)FSK(2FSK波形）PSK(2PSK波形）PAMQAM说明：调制阶数越高，频谱利用率越高归一化星座图虽然调制阶数越高，频谱利用率越高，但是符号受到信道的影响约大，导致误码率约高BPSKQPSK8PSK16QAM无线信道对调制信号的影响符号调制频带调制无线信道频带解调符号解调AWGN信道慢衰落信道带频偏快衰落信道AWGN信道慢衰落信道带频偏快衰落信道衰落信道下的接收机设计需要克服信道衰落和频率偏移，非常复杂QPSK如何选择合适的调制方式？

传统采用固定调制方式，调制阶数越低抗干扰和噪声的能力越强（相邻星座点间的欧式距离越大）【可靠性优先】需要考虑信道最恶劣情况，因此通常选择低阶调制缺点：当信道质量好时，频谱利用率较低【损失有效性】AMC技术Cavrs在1972年提出根据接收信号电平自适应调整符号传输速率的方法来对抗信道衰落

自适应的选择不同的调制方式【可靠性-有效性的平衡】当信道质量差时选择低阶调制，保证可靠性；当信道质量好时选择高阶调制，在保证可靠性前提下，提高有效性5G移动通信系统采用的调制方式QPSKBPSK16QAM64QAM256QAM5G移动通信系统采用的调制方式AMC技术提出的机理：

不同的调制方式（或调制编码组合），其误码率和频谱效率不同AMC技术提出的机理：

不同的调制方式（或调制编码组合），其误码率和频谱效率不同BPSKQPSKM-QAM每个符号承载1bit每个符号承载2bit每个符号承载bitAMC技术基本原理在通信过程中，信号质量受信道影响而不断变化，采用某一种固定调制方式，导致频谱利用率较低根据信噪比的变化自适应的选择调制方式通过信令传递调制方式：CQI（ChannelQualityIndicator）及MCS（ModulationandCodingSets）信令AMC技术基本原理Source:AutomaticModulationClassification:Principles,AlgorithmsandApplications,FirstEdition,ZhechenZhuandAsokeK.Nandi.JohnWiley&Sons,Ltd.,2015,在通信过程中，信号质量受信道影响而不断变化，采用某一种固定调制方式，导致频谱利用率较低根据信噪比的变化自适应的选择调制方式通过调制识别智能检测调制方式，节省信令开销调制识别技术（小结）

传统AMC技术基于信令传输调制方式信息接收机自适应的选择调制方式，并通过信令反馈给发射机发射机确定调制方式，并通过信令通知接收机信令传输需要占用频谱/时隙/功率资源

自动调制识别技术接收机根据接收数据的特征分析及算法判别其调制方式无需信令传输调制方式，节省资源主要应用于支持AMC，以及不同调制信号的探测识别调制识别的要点：基于调制信号的特征

基于频谱特性的特征

基于小波变换的特征

基于高阶统计特性的特征

基于时域特性的特征参考:AutomaticModulationClassification:Principles,AlgorithmsandApplications,FirstEdition,ZhechenZhuandAsokeK.Nandi.JohnWiley&Sons,Ltd.,2015,调制信号的分类/识别

ModulationClassifiers

TraditionalMethodsLikelihood-basedClassifierDistributionTest-basedClassifierFeaturebasedClassifierMachineLearningbasedMethodsK-NearestNeighbor(KNN)ClassifierSupportVectorMachineClassifierDictionaryLearningbasedClassifierDeepLearning问题：判决需要基于调制信号的不同特征以及门限，在实际环境中不易获取优势：1.判决更易于实现；2.可以降低对于特征的依赖ML算法常用特征：调制信号的高阶统计量特征广义高阶矩：对于一个具有零均值的复随机过程X(t)，其广义高阶矩定义为

其中，E表示求期望运算，*表示函数的共轭广义高阶累积量：

优点：若随机变量均值为零，且服从高斯分布，那么它的高阶累积量（k≥3）恒为零不变，故具有抗干扰的优点。Source:HierarchicalDigitalModulationRecognitionBasedonHigher-OrderCumulants,2012

常用的高阶累积量不同调制信号的高阶累积量特征BPSKQPSK16QAM64QAM256QAMC2010000C2111111C40210.680.620.6C4120000C42210.680.620.6C6016