基于卷积自编码网络的BPSK信号降噪

发布时间：2021-06-18 17:25

　　针对传统降噪方法提取特征繁琐、参数选取不易的问题,提出了基于卷积自编码器（Convolutional Autoencoder,CAE）降噪的方法,对BPSK信号、加性高斯白噪声,信噪比-10dB 2dB的数据构成信号数据集。在网络训练阶段,将加噪后的样本经过卷积自编码器提取潜在特征,多次训练迭代并且保存模型的参数;在测试阶段,利用新产生的测试集完成对该算法的验证与测试,可以观察到恢复出的有用信号,且误码率有了明显的降低。实验表明,相对于传统信号降噪算法（例如小波阈值降噪、PCA等）,所提算法不需要人工手动提取信号特征,实现了对BPSK信号的降噪处理。 

【文章来源】：信息通信. 2020,(08)

【文章页数】：4 页

【部分图文】：

CAE结构图

【参考文献】：
期刊论文
[1]基于深度卷积神经网络的图像自编码算法[J]. 何奕江,杜军平,寇菲菲,梁美玉,王巍,罗盎.  山东大学学报(工学版). 2019(02)
[2]基于深度学习的无人机数据链信噪比估计算法[J]. 孙宇航,曾国奇,刘春辉,张多纳.  北京航空航天大学学报. 2019(09)
[3]卷积稀疏自编码神经网络[J]. 牛玉虎.  计算机与现代化. 2017(02)
[4]主成分分析法及其在数据降噪中的应用[J]. 周宪英,高成文,曹建华.  兵工自动化. 2014(09)
[5]矩阵构造对奇异值分解信号处理效果的影响[J]. 赵学智,叶邦彦,陈统坚.  华南理工大学学报(自然科学版). 2008(09)
[6]基于动态聚类的奇异值分解降噪方法研究[J]. 王维,张英堂,徐章遂.  振动工程学报. 2008(03)
[7]主成分分析用于图像压缩预处理的比较研究[J]. 方洁,朱海军,吴华意.  计算机工程与应用. 2005(32)



本文编号：3237082