基于CNN的OFDM-IM信号检测系统设计与实现
摘要
本文详细研究了基于卷积神经网络(CNN)的正交频分复用索引调制(OFDM-IM)信号检测方法。通过在不同信噪比(SNR)和信道条件下进行系统仿真，对比分析了CNN检测器与传统最大似然(ML)检测器的误码率(BER)性能和计算复杂度。实验结果表明，CNN检测器在保持接近ML检测精度的同时，显著降低了计算复杂度。本文提供了完整的Python实现代码，并对系统架构、数据生成、模型设计和性能评估进行了详细阐述。
1. 引言
1.1 OFDM-IM技术概述
正交频分复用索引调制(OFDM-IM)是一种新型的无线通信技术，它将传统OFDM与空间调制技术相结合。在OFDM-IM系统中，信息不仅通过调制符号传输，还通过子载波激活模式的选择来传输。这种技术的主要优势包括：
- 更高的频谱效率
- 更好的误码率性能
- 增强的抗干扰能力
1.2 研究意义与挑战
传统OFDM-IM系统采用最大似然(ML)检测算法，但ML检测的计算复杂度随系统规模呈指数增长，难以满足实时通信需求。基于深度学习的检测方法为解决这一问题提供了新的思路：
- CNN能有效提取信号的空间特征
