一种用于黑障通信的解调与估计新算法：基于深度学习提取主成分
信号处理
2019-05-31 v2 人工智能
摘要
对于再入或近空间通信，由于时变等离子鞘套信道环境的影响，接收到的 IQ 基带信号在星座图上发生严重旋转。研究表明，电子密度频率在 20kHz 到 100 kHz 之间变化，这与大多数 TT&C 通信系统的符号速率同量级，且传统估计方法将消耗大量带宽来跟踪时变信道。本文受主曲线分析启发，提出一种称为对称流形网络（SMN）的深度学习（DL）算法，用于提取星座图上的曲线并基于曲线对信号进行分类。其关键优势在于 SMN 能够实现解调与信道估计的联合优化。仿真结果表明，与现有算法相比，新算法显著降低了符号错误率（SER），并以极高的带宽利用率实现了对衰落的准确估计。
引用
@article{arxiv.1905.11229,
title = {A Novel Demodulation and Estimation Algorithm for Blackout Communication: Extract Principal Components with Deep Learning},
author = {Haoyan Liu and Yanming Liu and Ming Yang and Xiaoping Li},
journal= {arXiv preprint arXiv:1905.11229},
year = {2019}
}