系统工程与电子技术

作者：张聿远, 张立民, 闫文君

单位：海军航空大学航空作战勤务学院，山东 烟台 264001

关键词：非协作通信,空频分组码,互相关特征图,图像预处理,深度学习,扩张稠密卷积网络

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(Ts201511020)

针对传统的空频分组码(space-frequency block code, SFBC)识别方法存在人工提取特征困难、低信噪比(signal to noise ratio, SNR)下识别准确率低和不适用于非协作通信的问题, 提出一种基于互相关特征图和扩张稠密卷积网络的SFBC自动识别方法。首先，计算接收端频域上的互相关函数并进行维度变换, 得到二维互相关特征图。然后, 对得到的特征图进行预处理以扩大卷积核感受的有效区域, 去除图像冗余信息。最后，构建扩张稠密卷积网络以自动提取预处理图像特征, 实现SFBC分类识别。仿真结果表明, SNR为-8 dB时, 该方法对SFBC信号的识别准确率达到了96.1%。相比于传统算法, 该方法具有更好的抗低SNR和特征自提取能力, 验证了深度学习方法在SFBC识别领域的有效性, 为该领域的后续研究奠定了基础。

来源：2021年第9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9期