文献类型：期刊文章

作　　者：李正权[1,2] 林媛[1] 李梦雅[1] 刘洋[1] 吴琼[1] 邢松[3]

LI Zhengquan;LIN Yuan;LI Mengya;LIU Yang;WU Qiong;XING Song(Ministerial Key Laboratory of Advanced Control for Light Industry Processes,Jiangnan University,Wuxi 214122,China;State Key Laboratory of Networking and Switching Technology,Beijing University of Posts and Telecommunications,Beijing 100876,China;Department of Information Systems,California State University,Los Angeles CA90032,USA)

机构地区：[1]江南大学轻工过程先进控制教育部重点实验室,江苏无锡214122 [2]北京邮电大学网络与交换技术国家重点实验室,北京100876 [3]加利福尼亚州立大学信息系统系,洛杉矶CA90032

出　　处：《通信学报》

基　　金：国家自然科学基金资助项目(No.61571108,No.61801193);无锡市科技发展资金资助项目(No.H20191001,No.G20192010);江苏省研究生科研与实践创新计划基金资助项目(No.SJCX20_0781);网络与交换技术国家重点实验室(北京邮电大学)开放课题资助项目(No.SKLNST-2020-1-13);111引智计划基金资助项目(No.B12018)。

年　　份：2021

卷　　号：42

期　　号：2

起止页码：81-91

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提高大动态信噪比下数字调制识别性能,提出一种基于高阶累积量和判别式受限玻尔兹曼机的联合调制识别方法。该方法提取数字信号的高阶累积量作为信号特征,综合利用判别式受限玻尔兹曼机的生成能力和分类能力,分析了含有高斯噪声、时变相位偏移或瑞利衰落环境下的数字信号识别率。实验结果表明,与传统识别方法相比,所提方法的识别性能有明显改善。此外,利用该模型的生成能力对输入特征进行重构,可有效提高低信噪比下的信号识别率。

关 键 词：调制识别 受限玻尔兹曼机  高阶累积量 数据重构

分 类 号：TN911.7]