典型文献
无人机自组织网络多包接收智能信号检测算法
文献摘要：
在无人机自组织网络(UAV Ad Hoc Network,UANET)中,传统的基于单包接收的信号检测算法极大限制了多路传输共享的并发通信性能.针对此问题,利用迭代并行干扰消除技术和多输入多输出技术并联合机器学习设计出一种UANET多包接收智能信号检测算法.该算法保留了迭代并行干扰消除算法的整体结构,采用最合适的深度神经网络来代替传统的基于信道模型的复杂计算,使得分簇UA-NET的簇头节点不仅可以对任意无记忆固定信道进行处理,而且也不需要去获取准确的信道状态信息便可以同时正确接收来自多个发送节点并发传输过来的数据包.仿真结果表明,该算法可以在不同场景下有效降低系统误码率(Symbol Error Rate,SER),从而有效增加UANET的通信并发度.在线性信道多节点通信场景下,所提出的算法相比于最优MAP(Maximum A Posteriori,最大后验概率)检测算法,系统误码率可以降低约25％.
文献关键词：
无人机自组织网络;干扰消除;多包接收;多输入多输出技术;机器学习
中图分类号：
作者姓名：
白丽;冯志刚
作者机构：
北京航天自动控制研究所,北京 100854;南京航空航天大学电子信息工程学院/集成电路学院,江苏南京 211106
文献出处：
引用格式：
[1]白丽;冯志刚-.无人机自组织网络多包接收智能信号检测算法)[J].测控技术,2022(06):86-94
A类：
多包接收
B类：
无人机自组织网络,信号检测,检测算法,UAV,Ad,Hoc,Network,UANET,多路传输,通信性能,干扰消除,消除技术,多输入多输出技术,联合机,学习设计,整体结构,最合适,深度神经网络,信道模型,分簇,簇头节点,信道状态信息,收来,发送,并发传输,输过来,数据包,同场,系统误码率,Symbol,Error,Rate,SER,多节点通信,通信场景,MAP,Maximum,Posteriori,最大后验概率
AB值：
0.344584
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。
