Un cadre unifié d'apprentissage profond traite les interférences à bande étroite (NBI) dans les systèmes OFDM en effectuant conjointement l'annulation des interférences et une démodulation douce robuste. Cette approche remplace les méthodes conventionnelles de compression par échantillonnage par deux réseaux spécialisés : NBI-CNet pour l'estimation et la suppression des paramètres, et LLR-CNet pour l'étalonnage des résidus.
- NBI-CNet utilise une architecture convolutive informée par la physique pour supprimer les interférences multi-porteuses en un seul passage avant sans connaissance préalable du nombre d'interférents.
- Il réduit la complexité computationnelle jusqu'à 60 % par rapport à l'algorithme EOMP-IDS pour des configurations avec N=2048 et Q=64.
- LLR-CNet agit comme un blanchisseur structurel, mappant les résidus post-suppression non gaussiens sur des métriques douces bien étalonnées afin de garantir des rapports de vraisemblance logarithmique fiables.
- Les simulations montrent que le cadre élimine les planchers d'erreur inhérents aux références traditionnelles à travers des grilles denses.
- En présence d'interférences sévères (SIR=-10 dB), la chaîne opère dans une marge de SNR de 0,2 à 0,5 dB par rapport à la référence itérative optimale pour un taux d'erreur de bloc de 10^-4.
- En présence d'interférences modérées (SIR=10 dB) avec une forte chevauchement spectral, NBI-CNet évite la confusion des pics de signal pour offrir un gain de codage supérieur à 3 dB.
L'architecture contourne les planchers d'erreur déclenchés par les erreurs d'estimation des interférents et permet une généralisation robuste sur des tailles de FFT arbitraires sans réentraînement grâce à sa conception invariante à l'échelle.