公开(公告)号：CN104811276B

公开(公告)日：2018-04-03

申请号：CN201510220785.8

申请日：2015-05-04

Applicant: 东南大学

Inventor： 吴乐南 ,  欧阳星辰

IPC: H04L1/00

Abstract: 本发明公开了一种用于超奈奎斯特速率通信的DL‑CNN(深度学习‑卷积神经网络)解调器。对于经过严格带限信道甚至超过奈奎斯特速率带宽限制的数字调制信号，该解调器利用卷积神经网络(CNN)在接收端直接从经过冲击滤波器或普通带通滤波器滤波后的接收信号样本中抽取出包含码间干扰在内的信号特征后，利用深度学习(DL)对卷积神经网络进行训练，并采用单码元或多码元联合判决，使得DL‑CNN能够在较强码间干扰环境下对接收信号样本进行分类，从而实现对于超奈奎斯特速率调制信号的抗码间干扰解调，而且比常规的幅度积分判决解调器有着更为优异的解调性能和很强的适应能力。

公开(公告)号：CN104811276A

公开(公告)日：2015-07-29

申请号：CN201510220785.8

申请日：2015-05-04

Applicant: 东南大学

Inventor： 吴乐南 ,  欧阳星辰

IPC: H04L1/00

CPC classification number: H04L1/0059

Abstract: 本发明公开了一种用于超奈奎斯特速率通信的DL-CNN(深度学习-卷积神经网络)解调器。对于经过严格带限信道甚至超过奈奎斯特速率带宽限制的数字调制信号，该解调器利用卷积神经网络(CNN)在接收端直接从经过冲击滤波器或普通带通滤波器滤波后的接收信号样本中抽取出包含码间干扰在内的信号特征后，利用深度学习(DL)对卷积神经网络进行训练，并采用单码元或多码元联合判决，使得DL-CNN能够在较强码间干扰环境下对接收信号样本进行分类，从而实现对于超奈奎斯特速率调制信号的抗码间干扰解调，而且比常规的幅度积分判决解调器有着更为优异的解调性能和很强的适应能力。