典型文献
基于多任务学习的MIMO-OFDM信噪比估计与调制识别
文献摘要：
非协作通信中多输入多输出正交频分多路复用(MIMO-OFDM)信号信噪比盲估计和子载波的调制识别研究仅针对单一任务.对此,提出了一种将深度神经网络与多任务学习模型相结合,同时完成信噪比盲估计与子载波调制识别的算法.首先利用特征值矩阵联合近似对角化算法恢复发送信号,并提取恢复信号的同向正交分量作为浅层特征;然后搭建基于一维卷积神经网络的多任务学习模型,通过联合训练信噪比估计和子载波调制识别2个任务,实现优势互补.仿真结果表明,所提算法可获得比单任务学习模型更优的性能;当信噪比为-10 dB时,信噪比估计的均方误差降低了66.21％,子载波调制识别的精度提高了4.75％.
文献关键词：
多输入多输出信号;信噪比估计;调制识别;神经网络;多任务学习
中图分类号：
作者姓名：
张天骐;汪锐;安泽亮;王雪怡;方竹
作者机构：
重庆邮电大学 通信与信息工程学院, 重庆400065
文献出处：
引用格式：
[1]张天骐;汪锐;安泽亮;王雪怡;方竹-.基于多任务学习的MIMO-OFDM信噪比估计与调制识别)[J].北京邮电大学学报,2022(06):95-100,121
A类：
矩阵联合近似对角化,多输入多输出信号
B类：
多任务学习,MIMO,OFDM,信噪比估计,调制识别,协作通信,多路复用,盲估计,一任,深度神经网络,载波调制,发送,送信,复信,一维卷积神经网络,联合训练,优势互补,单任务,dB,均方误差
AB值：
0.218943
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。
