基于稀疏自编码器的混合信号符号检测研究

摘要：

基于深度神经网络(DNN)的符号检测器(SD)的结构直接影响检测精度和计算复杂度,然而,已有的工作中并未对DNN符号检测器的结构选择方法开展研究.此外,已知的基于DNN的符号检测器复杂度较高且仅能完成单一调制信号的检测.针对以上问题,该文提出基于误符号率(SER)度量的低复杂度稀疏自编码器符号检测器(SAED)结构选择策略,同时,利用提出的累积量和矩特征向量(CMFV)实现了对混合信号的检测.所设计的符号检测器不依赖信道模型和噪声假设,对不同调制方式的信号具有较好的检测性能.仿真结果表明,该文设计的SAE符号检测器的SER性能接近最大似然(ML)检测理论值,且在频偏、相偏和有限训练样本等非理想条件下具有较强的鲁棒性.

关键词：无线通信、符号检测、深度神经网络、累积量和矩特征向量、频率和相位偏移

所属期刊栏目：44

分类号：TN911

资助基金：国家自然科学基金;国家自然科学基金;中央高校基本科研业务费

在线出版日期：2022-12-26（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：4204-4210