実用的なOFDM信号の深層学習ベースの変調分類による周波数スペクトル検知

本研究では、Wi-Fi 6および5Gダウンリンク仕様に従う送信に対して、OFDM副搬送波上のシンボルの変調を分類する。提案手法は、サイクリック自己相関関数に基づいてOFDM符号長とサイクリックプレフィックス長を推定し、同期誤差の影響を除去した特徴量を抽出する。得られた特徴量を2Dヒストグラムに変換し、畳み込みニューラルネットワークベースの分類器の入力とする。この分類器は、Wi-Fiプリアンブルや5G物理チャネルのリソース割当てなどのプロトコル固有の情報を必要としない。合成データおよび実測OTAデータを用いた評価では、SNRが通信に必要な値以上の場合に97%以上の精度を達成する。