文献类型：期刊文章

作　　者：齐佩汉[1] 李冰[2] 谢爱平[3] 高向兰[1]

QI Peihan;LI Bing;XIE Aiping;GAO Xianglan(School of Communications Engineering,Xidian University,Xi’an 710071,China;Unit 31007 of Chinese PLA,Beijing 100100,China;The 29th Research Institute of China Electronics Technology Group Corporation,Chengdu,610036,China)

机构地区：[1]西安电子科技大学通信工程学院,陕西西安710071 [2]中国人民解放军31007部队,北京100100 [3]中国电子科技集团公司第二十九研究所,四川成都610036

出　　处：《西安电子科技大学学报》

基　　金：国家自然科学基金(62171334,61901328);中国博士后基金(2018M631122);国家重点研发计划(2021YFC2203503);重庆集成电路创新研究院产学研项目(CQIRI-2021CXY-Z07)。

年　　份：2022

卷　　号：49

期　　号：4

起止页码：1-7

语　　种：中文

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

摘　　要：压缩频谱感知可以远低于奈奎斯特采样的速率来获取宽带跳频通信信号,但欠采样信号重构作为压缩频谱感知的关键组成环节,将更加直接地决定跳频通信接收性能。针对跳频通信信号压缩感知存在的欠采样重构精度低、计算复杂度高、迭代重构时间长等问题,提出欠采样跳频通信信号深度学习重构方法,将深度学习引入到宽带稀疏欠采样信号重构过程中,设计欠采样样本输入层网络适应结构,再利用变分自编码器构造生成式重构网络替代稀疏优化求解,实现免迭代欠采样跳频通信信号重构输出。仿真并分析了欠采样结构配置、网络模型设置以及信噪比等参数对信号重构性能的影响。仿真表明,相对于稀疏度自适应匹配追踪、正交匹配追踪等经典欠采样信号重构算法以及卷积神经网络欠采样信号重构方法,所提方法在重构误差和重构时间等方面均具有性能优势。该方法可准确、高效、实时地完成欠采样跳频通信信号重构,可成为解决宽带跳频通信信号接收和处理瓶颈的有效途径之一。

关 键 词：压缩感知 跳频通信信号  深度学习  信号重构

分 类 号：TN929.5]