-
题名基于高阶累积量和DNN模型的井下信号识别方法
被引量：5
- 1
-
-
作者
王安义
李立
-
机构
西安科技大学通信与信息工程学院
-
出处
《工矿自动化》
北大核心
2020年第2期82-87,共6页
-
基金
国家重点产业创新链项目(2019ZDLSF07-06)
国家自然科学基金青年科学基金项目(61801372)
-
文摘
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。
-
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
-
Keywords
mine communication
underground signal recognition
Nakagami-m fading channel
higher-order cumulant
deep neural network
DNN model
-
分类号
TD655
[矿业工程—矿山机电]
-
