文献类型：期刊文章

作　　者：许鸿奎[1,2] 姜彤彤[1] 李鑫[1] 姜斌祥[1,3] 王永雷[4]

XU Hong-kui;JIANG Tong-tong;LI Xin;JIANG Bin-xiang;WANG Yong-lei(School of Information and Electrical Engineering,Shandong Jianzhu University,Jinan 250101,China;Shandong Key Laboratory of Intelligent Building Technology,Shandong Jianzhu University,Jinan 250101,China;Juvenile Crime&Justice Research Center,China University of Political Science&Law,Beijing 100088,china;AI Research Institute,Hunan ENHT Technology Co.,Ltd.,Qingdao 266000,China)

机构地区：[1]山东建筑大学信息与电气工程学院,济南250101 [2]山东建筑大学山东省智能建筑技术重点实验室,济南250101 [3]中国政法大学青少年犯罪与少年司法研究中心,北京100088 [4]湖南亿恩科技有限公司AI研究院,山东青岛266000

出　　处：《吉林大学学报（工学版）》

基　　金：国家重点研发计划项目(2017YFC0803604);山东省重大科技创新工程项目(2019JZZY010120).

年　　份：2022

卷　　号：52

期　　号：1

起止页码：195-203

语　　种：中文

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

摘　　要：针对长期演进LTE网络上行干扰分类模型中噪声敏感、训练时间长的问题,建立了结合堆栈降噪自编码器与极限学习机的LTE网络上行干扰分析模型。使用上行干扰原始数据无监督地预训练堆栈降噪自编码(SDAE)提取高层抽象特征,并为极限学习机(ELM)分类器提供初始参数。该模型发挥了ELM收敛快和SDAE抑制噪声的优势,同时克服了ELM参数随机赋值造成的鲁棒性不足的问题。实验结果表明,该模型提高了LTE网络上行干扰分析的效率,并具有较强的鲁棒性。

关 键 词：LTE网络上行干扰  降噪自编码器  极限学习机 特征提取

分 类 号：TP391]