排序方式: 共有4条查询结果,搜索用时 125 毫秒
1
1.
针对低莱斯因子的慢衰落时变多径信道条件下,难以有效利用信号能量,导致系统误码性能差,单纯的基于最小均方误差准则均衡(Minimum Mean Squared Error, MMSE)技术不能够有效降低误码率的实际问题。在构建信道等效模型的基础上,提出了一种利用硬判决符号重构信道,在两个信道长度内比较改判信号误差信息的时频联合判决两轮次MMSE均衡算法。仿真结果表明:通过均衡处理后的低莱斯因子信道能逼近高莱斯因子的误码特性,当信噪比为20dB时,不同莱斯因子下QPSK信号的误码率均降低至10^(-4)以下,且在一个数量级内。当信噪比为2~6dB时,系统误码率分布在10^(-1)~10^(-3)之间,要低于信号在自由空间传播的误码率,说明MMSE均衡充分利用了多径分量的能量,获得了信噪比增益。 相似文献
2.
3.
针对基于有监督学习通信信号分类算法需要大量有标签训练样本,而在实际场合大多无法满足数量要求的问题,提出利用数据驱动模型的半监督学习方法,通过对比预测编码无监督算法预训练和有监督学习相结合,利用LSTM (long short term memory)和ResNet (residual network)联合神经网络实现小样本自动提取特征,提高小样本条件下信号识别准确率。在真实通信调制信号集上实验表明,半监督联合神经网络结构较以往方法,识别准确率提升3%-20%,小样本条件下性能提高60%,同时在低信噪比条件下识别能力突出,0dB时对11种调制信号平均识别正确率达到92%,具有明显优势。 相似文献
4.
1