单通道盲源分离的多尺度模态融合复数卷积神经网络算法

颜子彦; 刘宇腾; 周建二; 王丹洋

doi:10.13682/j.issn.2095-6533.2026.01.001

西安邮电大学学报 ›› 2026, Vol. 31 ›› Issue (1) : 1 -8. DOI: 10.13682/j.issn.2095-6533.2026.01.001

单通道盲源分离的多尺度模态融合复数卷积神经网络算法

颜子彦, 刘宇腾, 周建二, 王丹洋

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对通感一体化（Integrated Sensing and Communication,ISAC）系统因共享波形与硬件资源所致的单通道同频混叠分离困难及泛化性差等问题，提出一种单通道盲源分离的多尺度模态融合复数卷积神经网络算法。该算法采用编码器-分离器-解码器网络架构，通过多尺度模态分解与自适应汇聚构建多粒度且稳健的信号表征，基于复数时间卷积网络进行掩模估计，以完成源信号的端到端重构。仿真结果表明，在覆盖多制式调制和干扰叠加的ISAC场景下，所提算法的皮尔逊相关系数可达0.97，较经验模态分解-主成分分析-独立成分分析方法和TasNet算法分别提高了约44.7%和6.1%。所提算法在未参与训练的时延与载波频偏条件下，相关系数在不同参数配置间的最大波动均不超过0.004，表明其在时序失配与频偏扰动下仍能保持稳定的分离性能。