基于高阶累积量和DNN模型的井下信号识别方法

• 作者: 李立 王安义
• 来源期刊: 工矿自动化
• 学科: 工学
• 关键词: 矿井通信 井下信号识别 Nakagami-m衰落信道 高阶累积量 深度神经网络 DNN模型
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 实验研究
• 页码范围: 82-87
• 页数: 6页
• 分类号: TD655
• 字数: 3492字
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.2019100064

摘要

针对矿井复杂异构的无线环境,提出一种基于高阶累积量和DNN模型的井下信号识别方法,实现了井下BPSK,QPSK,8PSK,2FSK,4FSK,8FSK,32QAM,64QAM,OFDM等数字信号的自动调制识别.分析得到9种数字信号的高阶累积量理论值,并通过傅里叶变换提高信号辨识度;分析井下小尺度衰落信道对高阶累积量的影响,推导出经过井下衰落信道后信号的高阶累积量计算表达式,根据高阶累积量理论值构造特征参数并训练DNN模型,实现信号识别.仿真分析结果表明,该方法在矿井Nakagami-m衰落信道下有出色的调制识别性能,信噪比为-5 dB时平均正确识别率为89.2％以上,信噪比为5 dB以上时平均正确识别率为100％.该方法为在特殊复杂环境下的信号识别检测提供了新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王安义	西安科技大学通信与信息工程学院	50	162	7.0	10.0
2	李立	西安科技大学通信与信息工程学院	1	0	0.0	0.0