10.13272/j.issn.1671-251x.2019100064
基于高阶累积量和DNN模型的井下信号识别方法
针对矿井复杂异构的无线环境,提出一种基于高阶累积量和DNN模型的井下信号识别方法,实现了井下BPSK,QPSK,8PSK,2FSK,4FSK,8FSK,32QAM,64QAM,OFDM等数字信号的自动调制识别.分析得到9种数字信号的高阶累积量理论值,并通过傅里叶变换提高信号辨识度;分析井下小尺度衰落信道对高阶累积量的影响,推导出经过井下衰落信道后信号的高阶累积量计算表达式,根据高阶累积量理论值构造特征参数并训练DNN模型,实现信号识别.仿真分析结果表明,该方法在矿井Nakagami-m衰落信道下有出色的调制识别性能,信噪比为-5 dB时平均正确识别率为89.2%以上,信噪比为5 dB以上时平均正确识别率为100%.该方法为在特殊复杂环境下的信号识别检测提供了新思路.
矿井通信、井下信号识别、Nakagami-m衰落信道、高阶累积量、深度神经网络、DNN模型
46
TD655(矿山电工)
国家重点产业创新链项目;国家自然科学基金青年科学基金项目
2020-04-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
82-87