基于高阶累积量和DNN模型的井下信号识别方法
王安义
李立
1.西安科技大学通信与信息工程学院,陕西西安 7100542.西安科技大学通信与信息工程学院,陕西西安 710054
摘要：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
分类号：TD655(矿山电工)
资助基金：国家重点产业创新链项目(2019ZDLSF07-06)国家自然科学基金(61801372)
论文发表日期：2020-02-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 82-87 )
英文信息