典型文献
融合压缩采样与深度神经网络的直接序列扩频参数估计
文献摘要：
直接序列扩频(Direct Sequence Spread Spectrum,DSSS)信号的宽频带特性所带来的高采样率增加了参数估计的实现难度.针对现有技术所面临的问题与挑战,融合压缩采样与深度神经网络(Deep Neural Network,DNN),提出了用于估计DSSS信号参数的方法.一方面,压缩采样能够利用信号的冗余性,以较低的采样率获取信号中的有效参数信息;另一方面,DNN在提取数据特征方面具有高效准确的特点.通过对压缩采样与参数估计网络的整体训练,实现两者的有效配合,进而实现以较低采样率对DSSS信号参数的准确估计.仿真实验证明了该参数估计方法在低信噪比下的估计能力相对于传统方法具有一定的提升.
文献关键词：
直接序列扩频(DSSS);参数估计;压缩采样;深度神经网络(DNN)
中图分类号：
作者姓名：
刘锋;张爽;黄渝昂
作者机构：
南开大学 电子信息与光学工程学院,天津300350;南开大学 天津市光电传感器与传感网络技术实验室,天津300350
文献出处：
引用格式：
[1]刘锋;张爽;黄渝昂-.融合压缩采样与深度神经网络的直接序列扩频参数估计)[J].电讯技术,2022(09):1248-1253
A类：
B类：
压缩采样,深度神经网络,直接序列扩频,Direct,Sequence,Spread,Spectrum,DSSS,宽频带,高采样率,现有技术,问题与挑战,Deep,Neural,Network,DNN,冗余性,取信,有效参数,参数信息,提取数据,数据特征,低采样,参数估计方法,低信噪比
AB值：
0.361324
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。
