基于深层神经网络的信道编码类型盲识别

TN911.7; 为了解决当前识别算法只能识别一种或者两种码字类型以及人工提取特征复杂的问题,提出了两种基于深层神经网络模型的信道编码类型识别器,即卷积神经网络(convolutional neural network,CNN)识别器和递归CNN(recursive CNN,RCNN)识别器,用于识别接收数据中不同类型的信道码字.将待识别的软解调序列作为自然语言处理中文本分类问题的句子向量进行处理,输入到预先训练好的深层神经网络识别器中进行识别,并分析了字长度对识别准确率的影响,得出了最合适的字长度.实验结果表明,两种识别器都能够有效识别接收数据中多种类型的信道编码,且在信噪比为3 dB时CN...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 46; no. 5; pp. 1820 - 1829
Main Authors 杨宗方, 张天骐, 马焜然, 邹涵
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 01.05.2024
重庆邮电大学通信与信息工程学院,重庆 400065
Subjects
channel code recognizer
blind identification
信道编码识别器
字长度
word length
盲识别
深层神经网络
deep neural networks
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2024.05.35

Cover

More Information
Summary:TN911.7; 为了解决当前识别算法只能识别一种或者两种码字类型以及人工提取特征复杂的问题,提出了两种基于深层神经网络模型的信道编码类型识别器,即卷积神经网络(convolutional neural network,CNN)识别器和递归CNN(recursive CNN,RCNN)识别器,用于识别接收数据中不同类型的信道码字.将待识别的软解调序列作为自然语言处理中文本分类问题的句子向量进行处理,输入到预先训练好的深层神经网络识别器中进行识别,并分析了字长度对识别准确率的影响,得出了最合适的字长度.实验结果表明,两种识别器都能够有效识别接收数据中多种类型的信道编码,且在信噪比为3 dB时CNN识别器的识别准确率能够达到99％以上,而RCNN识别器在1 dB时就能够达到99％以上的识别准确率.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2024.05.35