基于深度学习的无人机数据链信噪比估计算法

• 作者: 刘春辉 孙宇航 张多纳 曾国奇
• 来源期刊: 北京航空航天大学学报
• 学科: 工学
• 关键词: 无人机 信噪比(SNR)估计 深度特征 卷积神经网络(CNN) 长短时记忆(LSTM)网络
• 年，卷（期）: 2019,（9）
• 页码范围: 1855-1863
• 页数: 9页
• 分类号: TN911.6
• 字数: 7044字
• 语种: 中文
• DOI: 10.13700/j.bh.1001-5965.2018.0724

摘要

无人机数据链通信受到各种自然与人为的干扰,信噪比(SNR)是信道状态和通信质量的有效评估指标.为解决传统估计算法信噪比估计精度不足的问题,提出了一种卷积神经网络(CNN)与长短时记忆(LSTM)网络结合的估计模型.利用仿真与实测相结合的方式,构建了一个包含不同信噪比、调制方式、衰落信道等信息的无人机通信信号数据集;在网络训练阶段,将样本序列进行分割,对分割后的每一部分序列使用CNN-LSTM网络提取深度特征,多次训练并保存模型参数;在测试阶段,利用构建好的测试集完成对算法的验证与测试,得到信噪比估计值.实验表明,相比于传统信噪比估计算法与单一网络结构的深度学习算法,所提算法的均方误差最低,实现了对信噪比的高精度估计.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾国奇	北京航空航天大学无人系统研究院	13	39	4.0	5.0
2	刘春辉	北京航空航天大学无人系统研究院	17	45	5.0	5.0
3	张多纳	北京航空航天大学电子信息工程学院	4	3	1.0	1.0
4	孙宇航	北京航空航天大学电子信息工程学院	1	2	1.0	1.0