利用卷积-循环神经网络的串行序列空时分组码识别方法

• 作者: 张聿远 闫文君 林冲 姚成柱
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 空时分组码 信号处理 卷积神经网络 循环神经网络 深度学习
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 知识驱动下智能信号处理与分析专题
• 页码范围: 19-27
• 页数: 9页
• 分类号: TN91
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2021.01.003

摘要

针对多输入多输出(Multiple Input Multiple Output,MIMO)系统中的空时分组码识别(Space-Time Block Code,STBC)问题,本文提出了一种利用卷积-循环神经网络的串行序列空时分组码识别方法.将一维接收信号的实部和虚部分离后输入网络,利用卷积神经网络(CNN)提取其空间特征,结合循环神经网络(RNN)提取其深层时序特征,提高网络的特征表达能力;网络训练过程采用反向传播方法,通过计算输出与目标值的误差,将误差反向传回网络中并更新权值,完成网络的训练过程;将测试集数据输入训练好的网络中,实现对空时分组码的识别和区分.该方法将深度学习算法运用到串行序列空时分组码识别当中,训练完的网络可直接对单接收天线下的空时分组码进行识别,不需要重复计算信号的统计特征,避免了人为设计特征参数和检测阈值.该方法不需要知道信道和噪声的先验信息,适用于电子侦查等非协作通信情况.仿真实验表明,该算法能够有效地对串行序列空时分组码进行识别,并且在低信噪比下有较好的识别性能.