针对神经网络提取的信号特征不足导致信号识别率下降的问题,提出基于门控注意力网络的调制信号分类识别算法。该算法先对输入信号进行混合数据增强,生成更多维度的样本以便网络更好地提取信号特征;再将处理后的样本信号输入双通道网络(C...针对神经网络提取的信号特征不足导致信号识别率下降的问题,提出基于门控注意力网络的调制信号分类识别算法。该算法先对输入信号进行混合数据增强,生成更多维度的样本以便网络更好地提取信号特征;再将处理后的样本信号输入双通道网络(CNN and BiLSTM Parallel),并行提取信号的空间特征和时间特征;最后将提取到的特征输入到门控注意力网络中,自适应地调整特征权重,减少网络复杂度。实验表明,文中提出的算法最高分类准确率为92.3%,优于对比的其他网络模型。展开更多
当前小体积远端射频单元(Remote Radio Unit,RRU)主要是皮站级别的Pico-RRU,其重量和体积仍然难以满足掌上型的要求。为此,采用高集成度的AD9361芯片来实现长期演进(Long Term Evolution,LTE)宽带收发信机功能,配合时钟同步模块、放大...当前小体积远端射频单元(Remote Radio Unit,RRU)主要是皮站级别的Pico-RRU,其重量和体积仍然难以满足掌上型的要求。为此,采用高集成度的AD9361芯片来实现长期演进(Long Term Evolution,LTE)宽带收发信机功能,配合时钟同步模块、放大器模块和控制接口电路等一起构建低成本的掌上型RRU。主要解决了基于AD9516的时钟同步、低相位噪声设计和高灵敏度接收机设计三个技术难点,成功实现了掌上型、高性能、低成本的设计目标。整个RRU样机尺寸为18cm×10cm×2cm,质量约500g,量产成本千元以内。测试表明,该RRU下行误差向量幅度(Error Vector Magnitude,EVM)小于3%,优于3GPP要求的8%;10MHz带宽时上行接收机灵敏度优于3GPP要求的-93.5dBm。展开更多
文摘针对神经网络提取的信号特征不足导致信号识别率下降的问题,提出基于门控注意力网络的调制信号分类识别算法。该算法先对输入信号进行混合数据增强,生成更多维度的样本以便网络更好地提取信号特征;再将处理后的样本信号输入双通道网络(CNN and BiLSTM Parallel),并行提取信号的空间特征和时间特征;最后将提取到的特征输入到门控注意力网络中,自适应地调整特征权重,减少网络复杂度。实验表明,文中提出的算法最高分类准确率为92.3%,优于对比的其他网络模型。
文摘当前小体积远端射频单元(Remote Radio Unit,RRU)主要是皮站级别的Pico-RRU,其重量和体积仍然难以满足掌上型的要求。为此,采用高集成度的AD9361芯片来实现长期演进(Long Term Evolution,LTE)宽带收发信机功能,配合时钟同步模块、放大器模块和控制接口电路等一起构建低成本的掌上型RRU。主要解决了基于AD9516的时钟同步、低相位噪声设计和高灵敏度接收机设计三个技术难点,成功实现了掌上型、高性能、低成本的设计目标。整个RRU样机尺寸为18cm×10cm×2cm,质量约500g,量产成本千元以内。测试表明,该RRU下行误差向量幅度(Error Vector Magnitude,EVM)小于3%,优于3GPP要求的8%;10MHz带宽时上行接收机灵敏度优于3GPP要求的-93.5dBm。
