系统工程与电子技术

作者：汪锐, 张天骐, 安泽亮, 王雪怡, 方竹

单位：重庆邮电大学通信与信息工程学院, 重庆 400065

关键词：多输入多输出正交频分复用,调制识别,循环谱,四次方谱,一维卷积神经网络

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)

针对当前非协作通信中多输入多输出正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing, MIMO-OFDM)系统子载波的调制识别问题, 提出了一种基于一维卷积神经网络(one-dimensional convolutional neural network, 1D-CNN)的调制识别方法。首先, 利用特征矩阵的联合近似对角化(joint approximate diagonalization of eigenvalue matrix, JADE)算法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切片和四次方谱作为浅层特征; 最后, 利用1D-CNN对特征进行训练, 使用测试样本对所提出的调制识别方法进行仿真验证。仿真结果表明, 所提方法对MIMO-OFDM系统中的5种信号可以进行有效识别, 在信噪比为10 dB时的识别精度即可达到100%。

来源：2023年第3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2023年第3期