海面短波地波通信中基于DNN神经网络的单样本极化滤波器预测研究

作者：张嘉纹; 党小宇^*; 杨凌辉; 齐茹梦; 王萌

来源：电子学报, 2020, 48(11): 2250-2257.

• 深度神经网络
• 大气噪声
• 单样本极化滤波器

针对海面通信受大气噪声干扰严重的问题,该文提出一种基于DNN(Deep Neural Network)神经网络的单样本极化滤波器预测模型,研究其对海面短波地波通信链路中的大气噪声的抑制作用.与传统算法不同,DNN神经网络直接从大量输入数据获取信息间的非线性特性,并以此更新网络参数,通过对模型参数调整使得模型达到最优状态.选择三种脉冲成分比例不同的大气噪声进行仿真,结果表明传统算法与DNN网络模型在低信噪比约0～15dB时对信号的误码率影响基本一致,在高信噪比约超过15dB,误码率达到10-4时,深度学习模型比传统算法所需信噪比显著提高约5dB.实验结果验证了神经网络在单样本极化滤波器预测方向的可行性与准确性,具有很好的实用参考价值.

• 单位
  电子信息工程学院; 南京航空航天大学