基于因子图迭代接收的改进调制样式识别方法

来源 :通信对抗 | 被引量 : 0次 | 上传用户:hulaxiazai
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
讨论两个已得到重点研究的主题:调制样式识别和迭代接收机设计。文章将这两个主题融合于因子图架构中。因子图架构能够用一种统一的方法来表征一系列算法,尤其是迭代算法。特别地,文章描述了一种因子图,该因子图将调制样式识别融合于迭代接收机结构中。所提的迭代接收机通过因子图上的消息传递过程,寻找一条将调制样式识别、解调和译码结合在一起的最佳途径。进而构建了一个识别器,该识别器利用从译码器得到的反馈信息作为编码比特的一个先验概率。仿真结果证明所提的接收机相比于将调制样式识别跟解调译码分离实现的最大似然识别器在性能上有重大提高。 Discuss two key topics that have been highlighted: modulation pattern recognition and iterative receiver design. The article merges these two themes into a factor graph architecture. The graph structure can represent a series of algorithms in a unified way, especially the iterative algorithm. In particular, the article describes a factor map that incorporates modulation pattern recognition into an iterative receiver structure. The proposed iterative receiver through the factor map messaging process, looking for a modulation pattern recognition, demodulation and decoding the best way to combine. A recognizer is then constructed which uses the feedback information obtained from the decoder as a priori probability of the coded bits. The simulation results show that the proposed receiver has a significant performance improvement over the maximum likelihood discriminator realized by separating the modulation pattern from the demodulation code.
其他文献
会议
本文从开放教育法学专业人才培养目标角度,论述了法学教学方法的改革必须有利于学生创新能力培养和综合素质提高,以促进学生在知识、能力、素质方面协调发展。在此基础上,作
该文根据专家控制和模糊控制的特点,将专家控制技术与模糊控制技术结合起来,设计了一种简单适用的智能控制器,解决了单纯模糊控制中存在的问题。仿真结果和在炉温控制的实际应用
结构黑龙江省自然科学基金项目管理工作的过程及其特点,针对其中的选择专家等环节,建立了用于基金申请项目管理的专家素质评定决策支持模型。
该文针对文献[1]中为实现专家控制中的不精确推理所采用的网络结构,进行了进一步的分析和讨论。并提出了一种改进的神经元网络专家控制系统,采用Pi-Sigma神经网实现,可信度网中采用Sigmoid神经元。
为提高专家控制的鲁棒性,该文在文献提出的不精确推量专家控制基础上,引入模糊推理,构造了一类模糊产生工规则及其推理模型,并采用神经网络实现了模糊推理专家控制和有关参数的自
箭载计算机(简称箭机)在火箭发射中,肩负着控制卫星进入预定轨道的重任,因此箭机控制的正确性、可靠性等是致关重要的。该文对箭机的各类运算指令、控制指令及接口指令与电路进行