基于深度学习的无人机数据链信噪比估计算法

论文摘要

无人机数据链通信受到各种自然与人为的干扰,信噪比（SNR）是信道状态和通信质量的有效评估指标。为解决传统估计算法信噪比估计精度不足的问题,提出了一种卷积神经网络（CNN）与长短时记忆（LSTM）网络结合的估计模型。利用仿真与实测相结合的方式,构建了一个包含不同信噪比、调制方式、衰落信道等信息的无人机通信信号数据集;在网络训练阶段,将样本序列进行分割,对分割后的每一部分序列使用CNN-LSTM网络提取深度特征,多次训练并保存模型参数;在测试阶段,利用构建好的测试集完成对算法的验证与测试,得到信噪比估计值。实验表明,相比于传统信噪比估计算法与单一网络结构的深度学习算法,所提算法的均方误差最低,实现了对信噪比的高精度估计。

论文目录

• 1 CNN与LSTM网络适用性分析
• 2 信噪比估计算法
•   2.1 数据分割
•   2.2 CNN网络特征提取
•   2.3 LSTM网络特征进一步提取
•   2.4 全连接层特征融合
• 3 实验验证
•   3.1 实验准备
•     3.1.1 无人机通信信号数据集建立
•     3.1.2 对比算法
•       1)ML估计算法
•       2)M2M4估计算法
•       3)SA估计算法
•       4)基于CNN的深度学习估计算法
•       5)基于LSTM的深度学习估计算法
•     3.1.3 模型评价指标
•     3.1.4 实验平台及软硬件环境
•   3.2 实验结果
• 4 结论

文章来源

类型: 期刊论文

作者: 孙宇航,曾国奇,刘春辉,张多纳

关键词: 无人机,信噪比估计,深度特征,卷积神经网络,长短时记忆网络

来源: 北京航空航天大学学报 2019年09期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 航空航天科学与工程,自动化技术

单位: 北京航空航天大学电子信息工程学院,北京航空航天大学无人系统研究院

基金: 国防基础科研计划(JCKY2017601C006)~~

分类号: TP183;V279

DOI: 10.13700/j.bh.1001-5965.2018.0724

页码: 1855-1863

总页数: 9

文件大小: 336K

下载量: 536