avatar avatar 我的文献 基于高阶累积量特征学习的调制识别方法 作者 袁莉芬; 宁暑光; 何怡刚; 吕密; 路健 单位 合肥工业大学电气与自动化工程学院; 德州农工大学工程学院; 国家电网合肥供电公司 期刊 系统工程与电子技术 时间 关键词 调制分类; 高阶累积量; 深度学习; 低信噪比; 调制特征 基金 国家重点研发计划“重大科学仪器设备开发”(2016YFF0102200); 国家自然科学基金(61102035,51577046,51607004); 国家自然科学基金重点项目(51637004); 中国博士后特别资助项目(2015T80651); 中国博士后面上项目(2014M5517)资助课题
摘要
自动调制分类是确保通信安全、可靠的关键技术之一。在低信噪比(low signal-to-noise ratio,Low SNR)环境中,自动调制分类识别率低且识别类型受限。利用零均值高斯白噪声的高阶累积量理论值等于0的性质,在信号分析过程中,引入高阶累积量,可使系统免受高斯白噪声的影响。同时,引入深度学习网络结构完成微弱特征的表征,可有效解决调制方式受限及LowSNR情况下的识别率下降问题。实验结果表明,本文方法在高斯信道环境下的分类精度比现有方法要高,在LowSNR的不同信道环境下有较高的识别率,且使得模型在时间、相位和频率偏移量方面具有更好的鲁棒性。
下载 浏览 cnki {{liketext}}
©2019 - iData {{ message }} 关闭