Enhancing convolution recurrent network with graph signal processing: High suppressive interference mitigation

doi:10.23919/JCC.fa.2023-0608.202601

Enhancing convolution recurrent network with graph signal processing: High suppressive interference mitigation

2026-02-06

0

PRE

AI

DOI：10.23919/JCC.fa.2023-0608.202601

原文链接

原文求助

摘要

En 中文

本文提出了一种新颖的图信号处理卷积循环网络（GSP CRN），用于在无线通信中对抗强抑制性干扰（HSI）的信号增强。GSPCRN由短时图信号处理（SGSP）方法和一种改进的卷积循环网络组成。类似于传统的短时时频变换，SGSP将复值通信信号分帧并变换到图域表示，其中充分考虑到每个顶点的连接和权重灵活性。在存在HSI的情况下，SGSP能够从新的图域维度提取信号特征，并赋能神经网络进行弱信号增强。设计了两种SGSP方法，即邻接奇异值分解和隐式图变换，以捕获分段信号中采样点之间的关系。仿真结果表明，所提出的GSPCRN在从HSI环境中提取弱信号方面优于现有的经典方法。当干扰信号比超过27dB时，仅所提出的GSPCRN能够实现干扰抑制。

Keyword:

adjacency matrix

short-time graph signal processing

signal enhancement

wireless communications

Enhancing convolution recurrent network with graph signal processing: High suppressive interference mitigation

摘要

期刊

机构

引用论文