基于多尺度融合神经网络的同频同调制单通道盲源分离算法
作者机构:西安电子科技大学通信工程学院
出 版 物:《系统工程与电子技术》 (Systems Engineering and Electronics)
年 卷 期:2024年
核心收录:
学科分类:0711[理学-系统科学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器]
主 题:单通道盲源分离 深度学习 同频同调制信号分离 多尺度融合递归卷积神经网络 通信信号处理
摘 要:针对单通道条件下同频同调制混合信号分离时存在计算复杂度高、分离效果较差等问题,提出一种基于时域卷积的多尺度融合递归卷积神经网络,采用编码、分离、解码结构实现单通道盲信号分离。编码模块提取出混合通信信号的编码特征;分离模块采用不同尺度大小的卷积块来进一步提取信号的特征信息,再利用1×1卷积块捕获信号的局部和全局信息,估计出每个源信号的掩码;解码模块利用掩码与混合信号的编码特征来恢复源信号波形。仿真结果表明,所提出的多尺度融合递归卷积神经网络不仅可以分离出仅有少量参数区别的混合通信信号,而且相较于U-net降低了约62%的参数量和41%的计算量,同时网络也具有较强的泛化能力,可以面对复杂通信环境的挑战。