盲及び半盲チャネル均等化による6Gマルチビーム衛星通信システムのための協調学習ベースの変調認識

盲変調認識（BMR）は、傍受された信号の変調方式を特定することであり、地上無線管理の重要な要素です。深層学習（DL）は地上文脈でのBMR研究を進めてきましたが、6Gマルチビームモバイル衛星（MMS）システムには多くの課題があります。1つの重要な障害は、地上MIMO BMR文献での信号均等化における完璧なチャネル状態情報（CSI）への依存です。MMSシステムでは、広大な衛星-地上間の距離が古いCSIを引き起こし、従来の均等化技術の効果が低下します。これに対処するため、我々は、相互ビーム干渉（IBI）、限られたCSI、およびシャドウリシアン（SR）フェーディングなどの課題を克服するために盲及び半盲チャネル均等化を活用する実行可能なBMRアルゴリズムを紹介します。MMSシステムを等価なMIMO衛星システムに変換することで、IBIおよびSR減衰を相殺するための強化されたMIMOチャネル均等化を可能にします。我々が提案するローカリティ-グローバリティ畳み込みトランスフォーマー深層ニューラルネットワーク（LG-CTDNet）は、局所的特徴抽出におけるCNNの強みと、グローバル特徴認識におけるトランスフォーマーの強みを統合します。次に、複数の傍受者間で協調的多様性を利用するための決定融合戦略が組み込まれます。数値テストは、限られたまたは欠如したCSIの条件下でも衛星変調信号識別における既存のDLベースの方法に対する優位性を強調し、我々の盲および半盲均等化技術の効果を確認します。