系统工程与电子技术

作者：付卫红, 张鑫钰, 刘乃安

单位：西安电子科技大学通信工程学院, 陕西 西安 710071

关键词：单通道盲源分离,深度学习,同频同调制信号分离,多尺度融合递归卷积神经网络,通信信号处理

针对单通道条件下同频同调制混合信号分离时存在的计算复杂度高、分离效果差等问题, 提出一种基于时域卷积的多尺度融合递归卷积神经网络(recursive convolutional neural network, RCNN), 采用编码、分离、解码结构实现单通道盲源分离。首先, 编码模块提取出混合通信信号的编码特征; 然后, 分离模块采用不同尺度大小的卷积块以进一步提取信号的特征信息, 再利用1×1卷积块捕获信号的局部和全局信息, 估计出每个源信号的掩码; 最后, 解码模块利用掩码与混合信号的编码特征恢复源信号波形。仿真结果表明, 所提多尺度融合RCNN不仅可以分离出仅有少量参数区别的混合通信信号, 而且相较于U型网络(U-Net)降低了约62%的参数量和41%的计算量, 同时网络也具有较强的泛化能力, 可以高效面对复杂通信环境的挑战。

来源：2025年第2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2期