典型文献
一种改进的特征值-LSTM微弱信号盲检测方法
文献摘要：
微弱信号盲检测方法中,最大最小特征值检测应用到样本协方差矩阵的信息较少,且其判决门限难以准确估计,导致信噪比较低时检测稳定性差、性能较低.针对以上问题,提出一种基于特征值-长短时记忆(eigenvalue-LSTM)神经网络的微弱信号盲检测方法,在最大最小特征值检测算法的统计量中引入平均特征值,并对检测概率、虚警概率进行了推导分析,最后将改进的统计量作为长短期记忆(LSTM)神经网络输入进行训练得到分类器.仿真实验结果表明,该方法无需估计检测门限,且在相同采样点的条件下,检测性能在-12 dB时较直接采样-LSTM方法提高了 9％.因此基于特征值-长短时记忆网络神经网络方法具有更优的检测性能.
文献关键词：
微弱信号;盲检测;特征值;神经网络;存在性检测;最大最小特征值检测;长短时记忆;多天线接收
中图分类号：
作者姓名：
任昕
作者机构：
哈尔滨工程大学信息与通信学院,黑龙江哈尔滨150001
文献出处：
引用格式：
[1]任昕-.一种改进的特征值-LSTM微弱信号盲检测方法)[J].应用科技,2022(05):67-73
A类：
最大最小特征值检测,多天线接收
B类：
微弱信号,盲检测,检测应用,协方差矩阵,判决,致信,eigenvalue,检测算法,统计量,检测概率,虚警概率,长短期记忆,练得,分类器,检测门限,采样点,检测性能,dB,长短时记忆网络,神经网络方法,存在性检测
AB值：
0.233323
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。
