系统工程与电子技术

作者：袁磊, 杨艳娟, 郭毅, 戴鹏

单位：1. 兰州大学信息科学与工程学院, 甘肃 兰州 730000；2. 中国科学院西安光学精密机械研究所, 陕西 西安 710119

关键词：相关噪声,信道编码盲识别,低密度奇偶校验码,深度学习,复数网络

基金：甘肃省科技计划(22JR5RA490)

为了正确识别相关噪声下采用低密度奇偶校验码和高阶调制的无线通信系统的信道编码参数, 在已知候选码率集合和相应奇偶校验矩阵的假定下, 提出两种基于深度学习的码率半盲识别算法。所提神经网络由降噪子网络和码率识别子网络构成, 降噪子网络设计实数降噪子网络和复数降噪子网络。相比于实数降噪子网络, 复数降噪子网络以高复杂度为代价，获得更好的处理复信号的能力。进一步, 为了降低复数降噪子网络的复杂度, 提出一种基于网络剪枝技术的网络压缩算法。仿真实验结果表明, 通过使用联合优化降噪损失函数和码率识别损失函数的多任务学习策略: 一方面, 在相关噪声下提出的神经网络比传统算法具有更好的识别性能；另一方面, 当利用网络压缩算法将基于复数降噪子网络识别算法的复杂度降低到与基于实数降噪的子网络识别算法的复杂度相近时, 其性能仍优于基于实数降噪子网络的识别算法。

来源：2025年第4期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2025年第4期