系统工程与电子技术

作者：杨宗方, 张天骐, 马焜然, 邹涵

单位：1. 重庆邮电大学通信与信息工程学院, 重庆 400065；2. 重庆邮电大学信号与信息处理重庆市重点实验室, 重庆 400065

关键词：深层神经网络,信道编码识别器,盲识别,字长度

基金：国家自然科学基金(61671095);国家自然科学基金(61702065);国家自然科学基金(61701067);国家自然科学基金(61771085);信号与信息处理重庆市市级重点实验室建设项目(CSTC2009CA2003);重庆市自然基金(cstc2021jcyj-msxmX0836);重庆市教育委员会科研项目(KJ1600427);重庆市教育委员会科研项目(KJ1600429)

为了解决当前识别算法只能识别一种或者两种码字类型以及人工提取特征复杂的问题, 提出了两种基于深层神经网络模型的信道编码类型识别器, 即卷积神经网络(convolutional neural network, CNN)识别器和递归CNN (recursive CNN, RCNN)识别器, 用于识别接收数据中不同类型的信道码字。将待识别的软解调序列作为自然语言处理中文本分类问题的句子向量进行处理, 输入到预先训练好的深层神经网络识别器中进行识别, 并分析了字长度对识别准确率的影响, 得出了最合适的字长度。实验结果表明, 两种识别器都能够有效识别接收数据中多种类型的信道编码, 且在信噪比为3 dB时CNN识别器的识别准确率能够达到99%以上, 而RCNN识别器在1 dB时就能够达到99%以上的识别准确率。

来源：2024年第5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2024年第5期