基于深度学习的框架同步的盲目识别
Jiazheng Wei1, Shitian Zhang2, Mingchao Jin1
1School of Telecommunication Engineering, Xidian University, Xi'an 710126, China.
Sensors (Basel, Switzerland)
|October 26, 2024
概括
一个新的深度学习算法增强了非合作通信中的同步检测. 它将二进制数据转换为图像,即使具有显著的比特错误率 (BER),也能实现高识别率.
科学领域:
- 数字通信数字通信
- 信号处理 信号处理
- 机器学习 机器学习
背景情况:
- 非合作通信系统在同步方面面临着挑战,特别是在高位错误率 (BER) 时.
- 现有的检测方法在噪音条件下难以准确.
研究的目的:
- 提出基于深度学习的盲人识别算法,用于非合作系统中的框架同步.
- 在高BER条件下提高检测性能.
主要方法:
- 二进制数据被插入并转换为灰度图像,然后缩放到RGB图像.
- 具有特定条纹特征的图像,根据匹配的半径,长和同步代码进行分类.
- 在这些分类图像上训练一个神经网络,以进行有效的测试数据分类.
主要成果:
- 该算法实现了百分之百的框架识别概率,BER低于0.2.2.
- 认可概率仍然高于90%,即使在0.25.5的BER下也是如此.
- 与传统算法相比,表现出超过60%的性能改善.
结论:
- 拟议的深度学习算法有效地解决了高错误环境中的框架同步挑战.
- 将数据序列转换为RGB图像在困难的通信场景中为同步提供了强大的解决方案.
