文档名：基于多模态特征融合网络的空时分组码识别算法
摘要：针对现有算法在空时分组码(Space-TimeBlockCode,STBC)识别过程中存在的低信噪比下误判概率高、识别效率低等问题,本文提出了一种基于多模态特征融合网络(Multi-ModalityFeaturesFusionNetwork,MMFFN)的空时分组码自动识别方法.首先,在合并卷积层将STBC时域样本映射为一维特征向量的基础上,采用多扩张率下的扩张卷积提取非连续时间窗的STBC码内特征,实现多时延特征自提取;然后,构建多时序特征自提取模块以提取码间时序特征,进一步扩展映射特征类型;最后,将多时延拼接层获取的最大时延特征作为深层融合特征,并增加了带跨越连接的残差层以提升融合特征利用率,实现空时分组码识别.仿真实验结果表明,本文算法在-9dB下对6类STBC信号的识别准确率达到了90％以上,较现有识别算法的性能获得了显著提升,对低信噪比有较强的适应性.本文提出的STBC多时延特征提取和融合方法,为结合传统算法设计深度学习网络结构提供了新思路,其思想同样可应用于其他通信信号识别领域.
作者：张聿远 闫文君 张立民Author：ZHANGYu-yuan YANWen-jun ZHANGLi-min
作者单位：海军航空大学信息融合研究所,山东烟台264001
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(2)
分类号：TN911.7
关键词：空时分组码 深度学习 扩张卷积 多时延特征 多时序特征 最大时延融合
机标分类号：TP391TN914TP182
在线出版日期：2023年5月8日
基金项目：国家自然科学基金，泰山学者工程专项基于多模态特征融合网络的空时分组码识别算法[
期刊论文] 电子学报--2023, 51(2)张聿远 闫文君 张立民针对现有算法在空时分组码(Space-TimeBlockCode,STBC)识别过程中存在的低信噪比下误判概率高、识别效率低等问题,本文提出了一种基于多模态特征融合网络(Multi-ModalityFeaturesFusionNetwork,MMFFN)的空时分组码自...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于多模态特征融合网络的空时分组码识别算法 Space-Time Block Code Recognition Algorithm Based on Multi-Modality Features Fusion Network
基于多模态特征融合网络的空时分组码识别算法.pdf
|
|
