基于混合神经网络的紫外光散射信道盲均衡方法
摘要
针对非直视无线紫外光通信受大气散射等多种因素影响而存在严重的脉冲展宽和信号衰减的问题，本文提出了一种基于混合神经网络的紫外光散射信道盲均衡方法。该方法将长短期记忆递归神经网络（LSTM）和深度神经网络（DNN）相结合，把接收信号视为时间序列，不依赖先验的信道知识，充分利用LSTM强大的时间记忆序列学习能力提取接收信号特征，从而恢复原始信号。仿真结果显示，信噪比大于11 dB时，本文算法的误码率相较最小均方算法和递归最小二乘算法可降低1~2个数量级，均方误差可降低0.5个数量级以上；与单一的DNN相比，本文算法的均衡性能也有显著提升。信噪比等于11 dB时，其误码率和均方误差分别降低了81.0%和27.8%，证明提出的混合神经网络具有更强的噪声抑制能力。
引用本文（GB/T 7714）
赵太飞 Zhao Taifei, 孙玉歆 Sun Yuxin, 潘飞翔 Pan Feixiang, 等. 基于混合神经网络的紫外光散射信道盲均衡方法[J]. Acta Optica Sinica, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。