10.16798/j.issn.1003-0530.2022.09.017
基于多端特征融合模型的MIMO-OFDM系统盲调制识别
自动调制分类(Automatic Modulation Classification,AMC)在认知无线电中起着提高频谱利用率的重要作用,然而,现有的大多数工作都集中在单输入单输出系统中的单载波通信.针对当前非协作通信中多输入多输出正交频分多路复用(Multiple-Input Multiple-Output Orthogonal Frequency Division Multiplexing,MIMO-OFDM)系统子载波的盲调制识别问题,本文提出了一种基于多端特征融合模型的盲调制识别方法.首先,利用特征矩阵的联合近似对角化算法(Joint Approximate Diagonalization of Eigenvalue Matrix,JADE)从接收端的混合信号中恢复发送信号.然后,提取恢复信号的循环谱剖面和同向正交分量作为浅层特征.最后,搭建多端特征融合模型,利用一维卷积网络(One-Dimensional Convolutional Neural Network,1D-CNN)与通道注意力模块(Channel Attention Module,CAM)的串联模型完成对浅层特征的提取和映射,并使用测试样本对所提出的调制识别算法进行仿真验证.仿真结果表明,本文方法在不需要先验信息的情况下对MIMO-OFDM系统的调制方式可以进行有效识别,在信噪比为4 dB时的识别精度可达到90%.
盲调制识别、多输入多输出、循环谱、神经网络、注意力机制
38
TN911
国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;信号与信息处理重庆市市级重点实验室建设项目;重庆市自然基金项目;重庆市教育委员会科学研究项目;重庆市教育委员会科学研究项目
2022-11-11(万方平台首次上网日期,不代表论文的发表时间)
共14页
1940-1953