基于LSTM的ZigBee网络中通信信号识别算法

摘要：

针对ZigBee网络与WiFi网络共享频段,易受到WiFi信号干扰的问题,提出了一种基于长短期记忆神经网络的ZigBee网络中通信信号识别算法,对ZigBee网络中的ZigBee信号与WiFi信号进行识别.通过Matlab中的Simulink仿真搭建了ZigBee信号、WiFi信号发生器模型,来获取同相和正交(IQ)数据,在同一信道下进行干扰,并在分别设置-50dB-0dB不同的信噪比进行干扰,以此构建ZigBee、WiFi信号数据集,对数据采用不同数据维度,并对数据进行长度的截取处理;随后利用文中构建的长短期记忆神经网络(LSTM)识别ZigBee网络中通信信号,并与卷积神经网络(CNN)对比.实验结果表明:在低信噪比环境下,长短期记忆神经网络(LSTM)相比卷积神经网络(CNN)获得更高的识别准确率,LSTM网络的信号识别准确率可以达到90.5%,且LSTM模型始终能够获得较高的准确率和较为快速的收敛速度.

关键词：干扰、调制信号识别、长短期记忆神经网络、物联网

所属期刊栏目：40

分类号：TN911.3;TP183

资助基金：国家自然科学基金;国家自然科学基金;湖北省教育厅科学技术研究计划青年人才项目;硒食品营养与健康智能技术湖北省工程研究中心开放课题

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：339-343