發(fā)布時間：2021-06-18 17:25

　　針對傳統(tǒng)降噪方法提取特征繁瑣、參數(shù)選取不易的問題,提出了基于卷積自編碼器（Convolutional Autoencoder,CAE）降噪的方法,對BPSK信號、加性高斯白噪聲,信噪比-10dB 2dB的數(shù)據(jù)構(gòu)成信號數(shù)據(jù)集。在網(wǎng)絡(luò)訓練階段,將加噪后的樣本經(jīng)過卷積自編碼器提取潛在特征,多次訓練迭代并且保存模型的參數(shù);在測試階段,利用新產(chǎn)生的測試集完成對該算法的驗證與測試,可以觀察到恢復出的有用信號,且誤碼率有了明顯的降低。實驗表明,相對于傳統(tǒng)信號降噪算法（例如小波閾值降噪、PCA等）,所提算法不需要人工手動提取信號特征,實現(xiàn)了對BPSK信號的降噪處理。 

【文章來源】：信息通信. 2020,(08)

【文章頁數(shù)】：4 頁

【部分圖文】：

CAE結(jié)構(gòu)圖

【參考文獻】：
期刊論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像自編碼算法[J]. 何奕江,杜軍平,寇菲菲,梁美玉,王巍,羅盎.  山東大學學報(工學版). 2019(02)
[2]基于深度學習的無人機數(shù)據(jù)鏈信噪比估計算法[J]. 孫宇航,曾國奇,劉春輝,張多納.  北京航空航天大學學報. 2019(09)
[3]卷積稀疏自編碼神經(jīng)網(wǎng)絡(luò)[J]. 牛玉虎.  計算機與現(xiàn)代化. 2017(02)
[4]主成分分析法及其在數(shù)據(jù)降噪中的應(yīng)用[J]. 周憲英,高成文,曹建華.  兵工自動化. 2014(09)
[5]矩陣構(gòu)造對奇異值分解信號處理效果的影響[J]. 趙學智,葉邦彥,陳統(tǒng)堅.  華南理工大學學報(自然科學版). 2008(09)
[6]基于動態(tài)聚類的奇異值分解降噪方法研究[J]. 王維,張英堂,徐章遂.  振動工程學報. 2008(03)
[7]主成分分析用于圖像壓縮預處理的比較研究[J]. 方潔,朱海軍,吳華意.  計算機工程與應(yīng)用. 2005(32)



本文編號：3237082