基于深度学习的太赫兹信号处理关键技术

国家自然科学基金青年基金，2022-2023, 项目负责人

超高速太赫兹传输面临的传输性能差、采样功耗大、安全性受限等挑战，有鉴于此，本项目研究基于深度学习的太赫兹信号处理关键技术。

基于太赫兹的高速无线数据传输是未来超宽带移动通信发展的必然趋势，但面临着传输性能差、采样功耗大、安全性受限等挑战。首先，太赫兹系统器件失真严重、信道噪声复杂，导致太赫兹信道非理想，严重影响系统传输性能；第二，太赫兹无线通信模数转换器件功耗高、采样带宽和精度受限，导致信号解调难度大；最后，太赫兹波束方向暴露时，路径损耗及易阻塞本质将导致信息易泄露，影响传输安全性。针对上述问题，本项目抓住太赫兹传输特征，根植于深度学习的问题导向实用化，以实现高性能传输、低量化采样、强安全通信的太赫兹无线传输为目标，研究基于深度学习太赫兹信号处理理论与关键技术，包括：①混合失真及复合噪声下的高性能无线传输机制；②单比特/低比特量化条件下的鲁棒接收方法；③基于深度学习的实时动态安全传输方案。本项目研究将为超高速太赫兹无线通信夯实理论和技术基础。