基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对非合作接收PCMA混合信号盲分离中高复杂度束缚,提出一种基于前馈神经网络的分离算法,通过搭建神经网络分离平台,规避传统的发送符号遍历思想,实现PCMA混合信号低复杂度高性能盲分离.仿真实验表明,神经网络能够极大挖掘信号内在信息,针对QPSK调制PCMA混合信号,在信噪比7dB时误比特率达到10-3数量级,并伴随着较PSP分离算法算术平方根级别的复杂度降低.
推荐文章
基于动量项前馈神经网络盲均衡算法
盲均衡
前馈神经网络
动量项
前馈神经网络复值盲均衡算法的研究
前馈神经网络
盲均衡算法
代价函数
传递函数
基于神经网络盲均衡算法的发展
盲均衡算法
神经网络
自适应均衡
一种改进的自适应混合神经网络盲分离算法
盲信号分离
神经网络
自适应步长
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于前馈神经网络的非合作PCMA信号盲分离算法
来源期刊 电子学报 学科 工学
关键词 神经网络 非合作 成对载波多址复用 盲分离
年,卷(期) 2019,(2) 所属期刊栏目 学术论文
研究方向 页码范围 302-307
页数 6页 分类号 TN911.7
字数 5210字 语种 中文
DOI 10.3969/j.issn.0372-2112.2019.02.007
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 彭华 解放军信息工程大学信息系统工程学院 82 494 12.0 17.0
2 郭一鸣 解放军信息工程大学信息系统工程学院 9 31 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (59)
共引文献  (42)
参考文献  (12)
节点文献
引证文献  (4)
同被引文献  (0)
二级引证文献  (0)
1952(1)
  • 参考文献(0)
  • 二级参考文献(1)
1976(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(4)
  • 参考文献(0)
  • 二级参考文献(4)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(4)
  • 参考文献(1)
  • 二级参考文献(3)
2007(5)
  • 参考文献(2)
  • 二级参考文献(3)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(5)
  • 参考文献(1)
  • 二级参考文献(4)
2011(8)
  • 参考文献(1)
  • 二级参考文献(7)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(3)
  • 参考文献(2)
  • 二级参考文献(1)
2015(5)
  • 参考文献(3)
  • 二级参考文献(2)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(3)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(3)
  • 二级引证文献(0)
2019(3)
  • 引证文献(3)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
神经网络
非合作
成对载波多址复用
盲分离
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子学报
月刊
0372-2112
11-2087/TN
大16开
北京165信箱
2-891
1962
chi
出版文献量(篇)
11181
总下载数(次)
11
总被引数(次)
206555
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导