10.13700/j.bh.1001-5965.2018.0724
基于深度学习的无人机数据链信噪比估计算法
无人机数据链通信受到各种自然与人为的干扰,信噪比(SNR)是信道状态和通信质量的有效评估指标.为解决传统估计算法信噪比估计精度不足的问题,提出了一种卷积神经网络(CNN)与长短时记忆(LSTM)网络结合的估计模型.利用仿真与实测相结合的方式,构建了一个包含不同信噪比、调制方式、衰落信道等信息的无人机通信信号数据集;在网络训练阶段,将样本序列进行分割,对分割后的每一部分序列使用CNN-LSTM网络提取深度特征,多次训练并保存模型参数;在测试阶段,利用构建好的测试集完成对算法的验证与测试,得到信噪比估计值.实验表明,相比于传统信噪比估计算法与单一网络结构的深度学习算法,所提算法的均方误差最低,实现了对信噪比的高精度估计.
无人机、信噪比(SNR)估计、深度特征、卷积神经网络(CNN)、长短时记忆(LSTM)网络
45
TN911.6
国防基础科研项目JCKY2017601C006
2019-10-16(万方平台首次上网日期,不代表论文的发表时间)
共9页
1855-1863