利用神经网络的同频混合信号单通道盲解调算法

摘要

cqvip:针对传统同频混合信号单通道盲解调算法中存在的复杂度高,收敛速度慢,解调性能不稳定等问题,提出一种利用神经网络的同频混合信号单通道盲解调算法。通过重构包含不同比特序列的训练样本集(3个符号长度的时域信号),截取每个样本在不同相邻符号拖尾影响下的时频谱图,提取能表征谱图特征的48个特征参数作为神经网络的训练输入,样本中的两路比特序列为对应的训练输出,反复学习训练完成对网络解调模型的构造。接收端按3个符号长度分段提取接收信号时频谱图的特征参数,依次输入到训练好的网络完成解调;研究神经网络结构、信号过采样倍数、幅度比等对盲解调效果的影响,并优化最佳的神经网络解调系统。仿真实验表明,针对与训练样本相同信道参数的接收信号,经过分段处理后利用神经网络进行解调,较传统算法拥有更低的复杂度,且解调准确性接近于符号串扰长度为5个符号的PSP算法。