由于在多噪声环境下,微弱信号容易被噪声掩盖,导致通信弱信号识别难度较大且极耗费时间。为此,提出一种基于LSTM神经网络的多噪声环境通信弱信号识别方法。通过贪婪权值算法(Takenaka-Malmquist Greedy Algorithm,TMGW)压缩通信弱信号,...由于在多噪声环境下,微弱信号容易被噪声掩盖,导致通信弱信号识别难度较大且极耗费时间。为此,提出一种基于LSTM神经网络的多噪声环境通信弱信号识别方法。通过贪婪权值算法(Takenaka-Malmquist Greedy Algorithm,TMGW)压缩通信弱信号,获取通信弱信号和噪声在时频面上的能量分布特点,对其降噪处理。建立长短记忆(Long Short Term Memory,LSTM)神经网络预测模型结构图,通过损失函数优化训练的权重参数,获取网络训练结果,计算实际值与预测值之差,作为高斯分布检测模型的特征值,实现复杂噪声下通信弱信号识别。仿真结果表明,采用所提方法可以有效地识别通信弱信号,全面提升多噪声环境通信弱信号识别效率。展开更多
文摘由于在多噪声环境下,微弱信号容易被噪声掩盖,导致通信弱信号识别难度较大且极耗费时间。为此,提出一种基于LSTM神经网络的多噪声环境通信弱信号识别方法。通过贪婪权值算法(Takenaka-Malmquist Greedy Algorithm,TMGW)压缩通信弱信号,获取通信弱信号和噪声在时频面上的能量分布特点,对其降噪处理。建立长短记忆(Long Short Term Memory,LSTM)神经网络预测模型结构图,通过损失函数优化训练的权重参数,获取网络训练结果,计算实际值与预测值之差,作为高斯分布检测模型的特征值,实现复杂噪声下通信弱信号识别。仿真结果表明,采用所提方法可以有效地识别通信弱信号,全面提升多噪声环境通信弱信号识别效率。
