来源：期刊VIP网 时间：
作者：宋东晓;罗钐;王苗;
单位：电子科技大学航空航天学院;
摘要：为满足低空经济背景下空基通信网络对高动态可靠传输的迫切需求，仿射频分复用(Affine Frequency Division Multiplexing, AFDM)作为一种具备优异多普勒鲁棒性的波形技术受到广泛关注。然而，现有基于传统算法和神经网络的AFDM检测器，往往面临检测性能与计算复杂度的权衡。针对该问题，提出一种基于期望传播(Expectation Propagation, EP)增强型图神经网络(Graph Neural Network, GNN)的检测算法。该算法充分利用AFDM信道矩阵的稀疏特性，将EP算法与GNN进行协同整合：EP模块实现对后验符号分布的高效高斯近似，而GNN模块则借助稀疏成对马尔可夫随机场(Markov Random Field, MRF)模型捕捉复杂残留依赖关系，从而提升检测精度。此外，进一步引入一种信道近似策略，显著简化GNN底层因子图的连接结构，从而有效降低EP-GNN检测器的整体计算复杂度。仿真结果表明，在时频双选信道条件下，所提出的EP-GNN检测器相较于传统检测器及其他神经网络检测器，能够实现更优的误码率(Bit Error Rate, BER)性能，同时保持较低的计算复杂度，展现出在高动态低空通信环境下的广阔应用潜力。
关键词：仿射频分复用;;信号检测;;期望传播;;图神经网络;;低空通信;;高动态信道
基金资助：四川省科技计划(2024ZDZX0047)~~
