基于卷积神经网络编码加扰类型识别OA北大核心CSTPCD

针对线性分组码加扰和卷积码加扰类型的识别问题,提出了一种利用相关特征和浅层神经网络相结合的加扰类型识别方法。推导了加扰序列码元的互相关特征,引入了有偏自相关函数,两者结合作为输入的相关特征;在分析加扰序列相关性的基础上,构建了实时性较强的浅层神经网络模型;将加扰数据集输入到网络模型中,完成了网络的训练和识别测试。仿真结果表明,相比于基于多重分型谱的传统算法,所提算法能识别多种加扰类型,同时所提算法的抗误码性能更强,为进一步进行扰码参数识别奠定了基础。