典型文献
基于稀疏自编码器的混合信号符号检测研究
文献摘要：
基于深度神经网络(DNN)的符号检测器(SD)的结构直接影响检测精度和计算复杂度,然而,已有的工作中并未对DNN符号检测器的结构选择方法开展研究.此外,已知的基于DNN的符号检测器复杂度较高且仅能完成单一调制信号的检测.针对以上问题,该文提出基于误符号率(SER)度量的低复杂度稀疏自编码器符号检测器(SAED)结构选择策略,同时,利用提出的累积量和矩特征向量(CMFV)实现了对混合信号的检测.所设计的符号检测器不依赖信道模型和噪声假设,对不同调制方式的信号具有较好的检测性能.仿真结果表明,该文设计的SAE符号检测器的SER性能接近最大似然(ML)检测理论值,且在频偏、相偏和有限训练样本等非理想条件下具有较强的鲁棒性.
文献关键词：
无线通信;符号检测;深度神经网络;累积量和矩特征向量;频率和相位偏移
中图分类号：
作者姓名：
郝崇正;党小宇;李赛;王成华
作者机构：
南京航空航天大学电子信息工程学院 南京 210016
文献出处：
引用格式：
[1]郝崇正;党小宇;李赛;王成华-.基于稀疏自编码器的混合信号符号检测研究)[J].电子与信息学报,2022(12):4204-4210
A类：
累积量和矩特征向量,CMFV,频率和相位偏移
B类：
稀疏自编码器,符号检测,深度神经网络,DNN,检测器,检测精度,计算复杂度,结构选择,选择方法,成单,调制信号,误符号率,SER,低复杂度,SAED,选择策略,不依,信道模型,同调,调制方式,检测性能,最大似然,ML,检测理论,理论值,频偏,训练样本,非理想条件,无线通信
AB值：
0.287189
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。
