基于神经网络的低信噪比CBOC信号组合码序列盲估计

TN911.7; 针对低信噪比下复合二进制偏移载波(composite binary offset carrier,CBOC)信号的组合码序列盲估计问题.首先采用奇异值分解(singular value decomposition,SVD)的算法对CBOC的组合码序列进行可行性验证,可得在已知相关参数的情况下对CBOC信号组合码序列盲估计是可行的;其次就SVD在长序列估计中计算量和存储量需求大的问题,进一步提出主分量神经网络解决上述问题,同时引入最优变步长收敛模型改善神经网络(neural network,NN)收敛速度.利用无监督NN的自适应主分量提取信号特性,避免批处理运算,实现CBOC信...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 40; no. 12; pp. 2824 - 2832
Main Authors 张天骐, 张婷, 熊梅, 赵亮
Format Journal Article
LanguageChinese
Published 重庆邮电大学信号与信息处理重庆市重点实验室,重庆,400065 01.12.2018
Subjects
复合二进制偏移载波信号
组合码序列
奇异值分解
神经网络
Online AccessGet full text
ISSN1001-506X
DOI10.3969/j.issn.1001-506X.2018.12.29

Cover

More Information
Summary:TN911.7; 针对低信噪比下复合二进制偏移载波(composite binary offset carrier,CBOC)信号的组合码序列盲估计问题.首先采用奇异值分解(singular value decomposition,SVD)的算法对CBOC的组合码序列进行可行性验证,可得在已知相关参数的情况下对CBOC信号组合码序列盲估计是可行的;其次就SVD在长序列估计中计算量和存储量需求大的问题,进一步提出主分量神经网络解决上述问题,同时引入最优变步长收敛模型改善神经网络(neural network,NN)收敛速度.利用无监督NN的自适应主分量提取信号特性,避免批处理运算,实现CBOC信号组合码序列盲估计.实验表明,NN能在-20 dB下达到精确估计序列的目的,且算法有稳定性高、复杂度低、收敛速度快等优点.
ISSN:1001-506X
DOI:10.3969/j.issn.1001-506X.2018.12.29