利用DPRNN实现交织重数未知的ADS-B信号分离

摘要

多条信号之间的交织是广播式自动相关监视（ADS-B,automatic dependent surveillance-broadcast）系统中不可避免的问题。已有的单天线ADS-B信号解交织方法，大多需要精确的估计交织重数、相对时延等参数，相应的估计精度往往严重影响最终的分离性能。为解决该问题，本文利用双路径递归神经网络（DPRNN,dualpath recurrent neural network）在无须估计任何参数的前提下对ADS-B接收信号进行分离。网络输入为交织重数未知的ADS-B接收信号，包括纯噪声信号、无交织信号、两重交织信号和三重交织信号。网络固定输出3条信号，当交织信号中包含i条ADS-B信号时，对应的源信号包含i条ADS-B信号和（3-i）条噪声信号。仿真实验证明，当信号的交织重数不大于三重时，分离正确率达到95%以上。这一研究为ADS-B信号交织分离提供了一种新的解决方案，具有一定的实用价值。

关键词

广播式自动相关监视(ADS-B) / 信号交织 / 信号分离 / 双路径递归神经网络