典型文献
基于深度多级残差网络的低信噪比下空频分组码识别方法
文献摘要：
针对低信噪比下信号受噪声干扰强,空频分组码(Space-Frequency Block Code,SFBC)识别准确率低的问题,提出了一种基于时频分析与深度多级残差网络的SFBC自动识别方法.通过对互相关序列进行时频分析与降噪、非时钟同步拼接等预处理,以获取能够反映其本质特征的二维图像,适应不同接收端时延下的信号识别,构建带有多层跨越连接的深度多级残差网络以充分融合深浅层特征,实现SFBC识别.该方法不需要人为设定阈值和假设检验统计量,克服了传统算法人工提取特征存在的调参过程烦琐、专业经验要求高的缺陷,对低信噪比环境具有较强的适应性.在信噪比为-14dB时,该方法的识别准确率达到了95.8％.本文提出的特征转化和预处理方法,为基于特征提取的识别方法与深度学习技术相结合提供了新思路,其思想同样可应用于其他通信信号识别领域.
文献关键词：
空频分组码;时频分析;非时钟同步;深度学习;深度多级残差网络
中图分类号：
作者姓名：
张聿远;张立民;闫文君
作者机构：
海军航空大学信息融合研究所,山东烟台264001
文献出处：
引用格式：
[1]张聿远;张立民;闫文君-.基于深度多级残差网络的低信噪比下空频分组码识别方法)[J].电子学报,2022(01):79-88
A类：
深度多级残差网络,空频分组码,SFBC,非时钟同步,假设检验统计
B类：
低信噪比,噪声干扰,Space,Frequency,Block,Code,识别准确率,时频分析,自动识别方法,互相关,相关序列,降噪,拼接,其本质,本质特征,二维图像,接收端,时延,信号识别,跨越连接,充分融合,深浅,检验统计量,传统算法,法人,提取特征,烦琐,14dB,预处理方法,深度学习技术,技术相结合,通信信号
AB值：
0.268933
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。
