基于高阶累积量和DNN模型的井下信号识别方法

来源期刊：工矿自动化2020年第2期

论文作者：王安义 李立

文章页码：82 - 87

关键词：矿井通信;井下信号识别;Nakagami-m衰落信道;高阶累积量;深度神经网络;DNN模型;

摘    要：针对矿井复杂异构的无线环境,提出一种基于高阶累积量和DNN模型的井下信号识别方法,实现了井下BPSK,QPSK,8PSK,2FSK,4FSK,8FSK,32QAM,64QAM,OFDM等数字信号的自动调制识别。分析得到9种数字信号的高阶累积量理论值,并通过傅里叶变换提高信号辨识度;分析井下小尺度衰落信道对高阶累积量的影响,推导出经过井下衰落信道后信号的高阶累积量计算表达式,根据高阶累积量理论值构造特征参数并训练DNN模型,实现信号识别。仿真分析结果表明,该方法在矿井Nakagami-m衰落信道下有出色的调制识别性能,信噪比为-5dB时平均正确识别率为89.2%以上,信噪比为5dB以上时平均正确识别率为100%。该方法为在特殊复杂环境下的信号识别检测提供了新思路。