典型文献
基于多端特征融合模型的MIMO-OFDM系统盲调制识别
文献摘要：
自动调制分类(Automatic Modulation Classification,AMC)在认知无线电中起着提高频谱利用率的重要作用,然而,现有的大多数工作都集中在单输入单输出系统中的单载波通信.针对当前非协作通信中多输入多输出正交频分多路复用(Multiple-Input Multiple-Output Orthogonal Frequency Division Multiplexing,MIMO-OFDM)系统子载波的盲调制识别问题,本文提出了一种基于多端特征融合模型的盲调制识别方法.首先,利用特征矩阵的联合近似对角化算法(Joint Approximate Diagonalization of Eigenvalue Matrix,JADE)从接收端的混合信号中恢复发送信号.然后,提取恢复信号的循环谱剖面和同向正交分量作为浅层特征.最后,搭建多端特征融合模型,利用一维卷积网络(One-Dimensional Convolutional Neural Network,1D-CNN)与通道注意力模块(Channel Attention Module,CAM)的串联模型完成对浅层特征的提取和映射,并使用测试样本对所提出的调制识别算法进行仿真验证.仿真结果表明,本文方法在不需要先验信息的情况下对MIMO-OFDM系统的调制方式可以进行有效识别,在信噪比为4 dB时的识别精度可达到90％.
文献关键词：
盲调制识别;多输入多输出;循环谱;神经网络;注意力机制
中图分类号：
作者姓名：
张天骐;汪锐;安泽亮;王雪怡;方竹
作者机构：
重庆邮电大学通信与信息工程学院,重庆400065
文献出处：
引用格式：
[1]张天骐;汪锐;安泽亮;王雪怡;方竹-.基于多端特征融合模型的MIMO-OFDM系统盲调制识别)[J].信号处理,2022(09):1940-1953
A类：
盲调制识别,Diagonalization,Eigenvalue
B类：
多端,特征融合,融合模型,MIMO,OFDM,自动调制分类,Automatic,Modulation,Classification,AMC,认知无线电,频谱利用率,单输入单输出系统,单载波,载波通信,协作通信,多输入多输出,多路复用,Input,Output,Orthogonal,Frequency,Division,Multiplexing,特征矩阵,对角化,Joint,Approximate,Matrix,JADE,接收端,发送,送信,复信,循环谱,一维卷积网络,One,Dimensional,Convolutional,Neural,Network,1D,通道注意力模块,Channel,Attention,Module,CAM,特征的提取,识别算法,仿真验证,先验信息,调制方式,dB,识别精度,注意力机制
AB值：
0.444671
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
