模型
DeepRx
诺基亚贝尔实验室提出的基于CNN的神经接收机，将含DMRS的资源网格端到端映射为编码比特的LLR，依赖局部卷积感受野提取时频特征。
时间轴 (近 90 天)
11月5日
基于CNN的神经接收机（如DeepRx）依赖局部感受野，在稀疏导频下难以充分利用远处导频信息。
待验证50%
11月5日
论文使用Sionna生成的OFDM仿真进行评测，对比对象为基于CNN的DeepRx接收机，覆盖密集、双符号稀疏、单符号稀疏三种DMRS布局，并考察信道失配场景。
待验证50%
11月5日
在SISO未编码设置下，采用信道缩放规则的PARGAR在部分稀疏导频场景中取得了比DeepRx更低的误码率（BER），同时在密集导频下保持竞争力。
待验证50%
11月5日
DeepRx是诺基亚贝尔实验室提出的基于CNN的神经接收机，将接收到的资源网格（含DMRS）直接映射为编码比特的对数似然比（LLR），以端到端方式训练。
待验证50%
全部知识事实 (4)
待验证
基于CNN的神经接收机（如DeepRx）依赖局部感受野，在稀疏导频下难以充分利用远处导频信息。
50%待验证论文使用Sionna生成的OFDM仿真进行评测，对比对象为基于CNN的DeepRx接收机，覆盖密集、双符号稀疏、单符号稀疏三种DMRS布局，并考察信道失配场景。
50%待验证在SISO未编码设置下，采用信道缩放规则的PARGAR在部分稀疏导频场景中取得了比DeepRx更低的误码率（BER），同时在密集导频下保持竞争力。
50%待验证DeepRx是诺基亚贝尔实验室提出的基于CNN的神经接收机，将接收到的资源网格（含DMRS）直接映射为编码比特的对数似然比（LLR），以端到端方式训练。
50%