基于闭集协议的非合作通信盲识别与解码技术研究

非合作通信中，编码方式的盲识别与后续解码环节通常被割裂研究，且现有深度学习模型在多协议场景的低信噪比条件下鲁棒性不足。针对此问题，本文提出一种时间卷积网络（Temporal convolutional network， TCN）-双向门控循环单元（Bidirectional gated recurrent unit， BiGRU）-attention深度学习混合模型，构建了一体化盲解码框架。选取4类协议对应的5种编码方式构建实验数据集进行验证，结果表明：低信噪比条件下，本文模型的编码识别准确率与抗噪鲁棒性显著优于现有对比模型；基于识别结果进行的IEEE 802.16协议低密度奇偶校验（Low-density parity-check，LDPC）码解码实验，进一步验证了一体化方案的有效性。