基于多任务学习的MIMO-OFDM信噪比估计与调制识别

摘要：

非协作通信中多输入多输出正交频分多路复用(MIMO-OFDM)信号信噪比盲估计和子载波的调制识别研究仅针对单一任务.对此,提出了一种将深度神经网络与多任务学习模型相结合,同时完成信噪比盲估计与子载波调制识别的算法.首先利用特征值矩阵联合近似对角化算法恢复发送信号,并提取恢复信号的同向正交分量作为浅层特征;然后搭建基于一维卷积神经网络的多任务学习模型,通过联合训练信噪比估计和子载波调制识别2个任务,实现优势互补.仿真结果表明,所提算法可获得比单任务学习模型更优的性能;当信噪比为-10 dB时,信噪比估计的均方误差降低了66.21％,子载波调制识别的精度提高了4.75％.

关键词：多输入多输出信号、信噪比估计、调制识别、神经网络、多任务学习

所属期刊栏目：45

分类号：TN911.7

资助基金：国家自然科学基金;重庆市自然科学基金

在线出版日期：2023-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：95-100,121