典型文献
基于卷积长短时记忆深度神经网络的带内全双工非线性数字自干扰消除
文献摘要：
带内全双工(IBFD)技术能够有效提高无线通信系统的频谱效率,近年来引起了广泛关注.然而,同时发送和接收引起的线性和非线性自干扰给IBFD带来了巨大挑战.传统的非线性自干扰消除主要是基于多项式模型和深度神经网络(DNN)来实现.多项式模型方法存在模型失配导致自干扰效果恶化的风险,而DNN方法无法针对高维数据特有的空频相关性、时间相关性等特点进行处理.该文基于卷积长短时记忆深度神经网络(CLDNN),通过在输入层中引入3维张量以及在卷积层设置复数卷积层结构,分别设计了两种重建自干扰信号的网络结构——2维CLDNN(2D-CLDNN)和复值CLDNN(CV-CLDNN),充分利用卷积神经网络局部感知和权值共享的优势,在高维特征中学习到更抽象的低维特征,从而提高自干扰消除的效果.实际场景中获得数据的评估结果显示,当功率放大器记忆长度M和自干扰信道多径长度L满足M+L=13时,通过总共60次训练轮数,该文提出的结构比传统DNN方法在非线性自干扰消除方面可以实现至少26％的改进,训练轮数也有明显减少.
文献关键词：
卷积长短时记忆深度神经网络;非线性自干扰消除;带内全双工;同时发送和接收;神经网络
中图分类号：
作者姓名：
路雷;褚建军;唐燕群;陶业荣;伍哲舜;郑承武;陈琦
作者机构：
中国电子科技集团公司第三十六研究所 嘉兴 314033;中山大学电子与通信工程学院 深圳 518107;中国人民解放军63891部队 洛阳 471000;中山大学系统科学与工程学院 广州 510275;西南科技大学信息工程学院 绵阳 621000
文献出处：
引用格式：
[1]路雷;褚建军;唐燕群;陶业荣;伍哲舜;郑承武;陈琦-.基于卷积长短时记忆深度神经网络的带内全双工非线性数字自干扰消除)[J].电子与信息学报,2022(11):3874-3881
A类：
卷积长短时记忆深度神经网络,同时发送和接收,非线性自干扰消除
B类：
带内全双工,IBFD,无线通信系统,频谱效率,多项式模型,模型方法,模型失配,干扰效果,高维数据,时间相关性,CLDNN,输入层,张量,卷积层,复数,数卷,干扰信号,2D,CV,局部感知,权值共享,高维特征,低维特征,得数,功率放大器,信道,多径,M+L,总共,轮数
AB值：
0.208015
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。
