基于多尺度融合神經(jīng)網(wǎng)絡(luò)的同頻同調(diào)制單通道盲源分離算法

打開文本圖片集

摘 要：針對單通道條件下同頻同調(diào)制混合信號分離時存在的計(jì)算復(fù)雜度高、分離效果差等問題，提出一種基于時域卷積的多尺度融合遞歸卷積神經(jīng)網(wǎng)絡(luò)（recursive convolutional neural network， RCNN），采用編碼、分離、解碼結(jié)構(gòu)實(shí)現(xiàn)單通道盲源分離。首先，編碼模塊提取出混合通信信號的編碼特征;然后，分離模塊采用不同尺度大小的卷積塊以進(jìn)一步提取信號的特征信息，再利用1×1卷積塊捕獲信號的局部和全局信息，估計(jì)出每個源信號的掩碼;最后，解碼模塊利用掩碼與混合信號的編碼特征恢復(fù)源信號波形。（剩余17184字）