N的多入多出OSTBC信号协作调制识别.pdf

: .
第42卷第7期 n signals. Then the 1D-CNN recog-
nition model was devised and trained to extract deep features from shallow ones. Later, two decision fusion strategies of
voting-based and confidence-based were leveraged in the multiple-antenna receiver to improve recognition accuracy.
Experimental results show that the proposed algorithm can effectively recognize five modulation types {BPSK,
4PSK,8PSK,16QAM,4PAM}, with a 100% recognition accuracy when the signal-to-noise is equal or greater than −2 dB.
Keywords: modulation recognition, MIMO-OSTBC, zero-forcing blind equalization, 1D-CNN, decision fusion

制样式，才能准确解码得到传输信息，所以调制识
1 引言
别研究是 OSTBC 信号盲处理中的一个重要研究方
正交空时分组码（OSTBC, orthogonal space- 向。但现有调制识别研究主要针对单入单出系统，
time block code）[1-2]因分集增益高和接收端解码简 而对 MIMO 系统调制识别的研究较少，且受空时编
便，在多入多出（MIMO, multiple-input multiple- 码和 MIMO 信道影响，OSTBC 信号的调制识别变
output）系统中得到广泛应用，能显著提升通信传 得更加棘手[3-7]，因此，非合作通信场景下 OSTBC
输的可靠性。近年来，非合作通信场景下 OSTBC 信号的调制识别具有重要的研究价值。
信号盲处理研究受到广泛关注，但只有正确识别调 当前，针对 OSTBC 信号调制识别算法主要分
收稿日期：2020−12−03；修回日期：2021−03−01
基金项目：国家自然科学基金资助项目（, , ）
Foundation Item: The National Natural Science Foundation of China (, , )第 7 期 安泽亮等：基于一维 CNN 的多入多出 OSTBC 信号协作调制识别 ·85·
为 2 类：基于似然函数和基于特征工程。其中，基 能力，并通过最小化基于峭度的损失函数来盲估计
于似然函数的算法[3-4]具有较优的识别精度，但其过 信道矩阵，解决非合作通信场景下信道状态信息未
高的计算复杂度和过多的先验信息需求，使其不适