系统工程与电子技术

作者：张聿远, 闫文君, 张立民, 张媛

单位：1. 海军航空大学航空作战勤务学院, 山东 烟台 264001；2. 海军航空大学航空基础学院, 山东 烟台 264001

关键词：多输入单输出,空时分组码,相关性分析,卷积神经网络,盲识别

基金：国家自然科学基金重大研究计划(91538201);泰山学者工程专项经费资助课题(Ts201511020)

针对多输入单输出(multiple input single output, MISO)系统中的空时分组码(space-time block code, STBC)盲识别问题, 提出了一种基于卷积神经网络(convolutional neural network, CNN)的串行STBC识别方法。首先, 结合STBC识别问题提出了基本CNN (CNN basic, CNN-B)框架; 然后在分析STBC相关性的基础上, 针对空间复用和Alamouti信号混叠问题, 设计了基于相关性的CNN (CNN based on correlation, CNN-BC)模型; 最后将STBC数据集输入到网络模型中, 完成网络的训练和识别测试。仿真结果表明, 相比于基于特征提取的传统算法, 该方法将可识别的STBC扩展到了6种, 并且在低信噪比下的识别准确率更高, 识别过程可控制在微秒级别, 具有较高的工程应用价值。

来源：2021年第11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2021年第11期