电讯技术

作者：刘锋,张爽,黄渝昂

单位：(南开大学 a.电子信息与光学工程学院;b.天津市光电传感器与传感网络技术实验室，天津300350;南开大学 电子信息与光学工程学院，天津300350;南开大学 电子信息与光学工程学院，天津300351)

关键词：直接序列扩频(DSSS)；参数估计；压缩采样；深度神经网络(DNN)；

基金：国家自然科学基金资助项目（61901233）；天津市自然科学基金项目（19JCQNJC00900）

直接序列扩频(Direct Sequence Spread Spectrum,DSSS）信号的宽频带特性所带来的高采样率增加了参数估计的实现难度。针对现有技术所面临的问题与挑战，融合压缩采样与深度神经网络(Deep Neural Network,DNN)，提出了用于估计DSSS信号参数的方法。一方面，压缩采样能够利用信号的冗余性，以较低的采样率获取信号中的有效参数信息；另一方面，DNN在提取数据特征方面具有高效准确的特点。通过对压缩采样与参数估计网络的整体训练，实现两者的有效配合，进而实现以较低采样率对DSSS信号参数的准确估计。仿真实验证明了该参数估计方法在低信噪比下的估计能力相对于传统方法具有一定的提升。

来源：2022年第9期

《电讯技术》期刊编辑部

查看电讯技术杂志2022年第9期