.png){kind=icon}
返回
Multi-task learning enhanced frequency estimation method via the gated split-complex neural network
.png){kind=icon}
PRE
AI
DOI：10.1016/j.measurement.2026.120902.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出cGMTNet用于基于深度学习的频率估计，具有更好的可解释性。
• 多任务学习提高了估计精度和网络对干扰的鲁棒性。
• 跳过连接融合多尺度特征，而GLU动态保留关键信息。
• cGMTNet在合成数据和真实数据上的估计中实现了高精度和高效性。
Keyword:
frequency estimation
multi-task learning
gated split-complex neural network
explainability
robustness
期刊
IF:
5.6
论文数:
2.0W
被引数:
5.4W
机构
引用论文
Deep-Learning-Based Carrier Frequency Offset Estimation and Its Cross-Evaluation in Multiple-Channel Models基于深度学习的载波频率偏移估计及其在多通道模型中的交叉评估.png)
Information
OAAI
InformationIF0
OAAI分享收藏An Interpolation Algorithm for Discrete Fourier Transforms of Weighted Damped Sinusoidal Signals
PREAI
分享收藏A fine-resolution frequency estimator using an arbitrary number of DFT coefficientsSIGNAL PROCESSING
SIGNAL PROCESSINGIF3.6
PREAI
分享收藏
查看更多内容