基于卷积神经网络STBC调制信号识别

发布时间：2021-09-24 23:49

　　针对STBC信号调制识别问题,提出了一种基于卷积神经网络的STBC信号调制识别,首先对信号数据进行预处理,然后根据STBC信号的特性搭建卷积神经网络模型,提高特征表达能力,并根据训练集调整神经网络模型参数,最后利用训练好的网络识别信号。仿真结果表明:该算法在较低的信噪比下识别效果较好,且不需要预先知道信道信息、噪声信息和STBC信号类型,能够应用于认知无线电、频谱监控等工程领域中。 

【文章来源】：中国电子科学研究院学报. 2020,15(05)北大核心

【文章页数】：6 页

【部分图文】：

代价函数

假定发射信号天线数量为nt，发射的二进制符号数为N，经过调制映射后进入编码模块，整个信号发射流程如图1所示。编码模块的功能是将这N个调制信号以Nb为单位分块，整个发射信号块数，经过编码矩阵后将Nb个符号变为nt×L维矩阵，因此为AL为例，第b个块Xb=[xb,0,xb,2…xNb-1]经过编码矩阵后得到信号为:1.2 接收信号模型

6种不同数字调制识别性能如图3所示，算法识别性能在SNR=0dB时达到80%，能够适用于不同的应用场景，本文的识别类型涵盖6种常见的数字调制方式，具有普适性。3.3 不同SNR下混淆矩阵


本文编号：3408675