本发明公开了一种基于稀疏自编码器的m序列识别方法。首先介绍了m序列的三阶相关函数的峰值特性,验证了利用完整周期m序列或者m序列片段估计的TCF均保持良好的峰值特性。其次,根据m序列TCF特性,提出一种基于三阶相关特征向量的输入样本构造方法。最后,利用稀疏自编码器构建特征学习网络,使用softmax回归对学习到的特征进行分类识别,建立一个稀疏自编码网络分类模型,并将预先构造好的样本输入模型,训练得到一个具有最优识别性能的模型。本发明能有效识别m序列,且在低信噪比条件下识别性能良好。
📄 2018106035303
📂 G06K9_00
👤 杭州电子科技大学
📅 2018-06-12