基于卷积神经网络的短波信道质量分类

• 作者: 孙汝杰
• 来源期刊: 现代信息科技
• 关键词: 自适应短波通信 卷积神经网络 星座轨迹图 深度学习 信道质量分类
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 通信工程|Communication Engineering
• 页码范围: 70-72,76
• 页数: 4页
• 分类号: TP183|TN925
• 语种: 中文
• DOI: 10.19850/j.cnki.2096-4706.2021.06.018

摘要

自适应短波通信系统可以解决短波信道质量差、频率资源短缺等问题,而信道质量估计是其中的重要环节.为了避免基于深度学习的传统方法中基带信号过大而无法提取的问题,该文将基带信号转换成星座轨迹图,再分别采用AlexNet,ResNet和DenseNet三种卷积神经网络对其进行训练.实验结果验证了该文提出方法的可行性,且随着网络的加深,准确度也将提升.