来源：期刊VIP网 时间：
作者：王荣超;段红光;刘廷钦;黄沥苇;朱品锜;
单位：重庆邮电大学通信与信息工程学院;
摘要：针对在低信噪比(Signal-to-Noise Ratio, SNR)与多径衰落信道条件下，5G New Radio(NR)下行同步过程中辅同步信号(Secondary Synchronization Signal, SSS)序列检测准确率偏低的问题，提出一种融合双流残差卷积神经网络(Two-stream Residual Convolutional Neural Network, TsRNet)与支持向量机(Support Vector Machine, SVM)的新型检测算法模型——TsRNet-SVM。该混合检测算法利用TsRNet提取SSS序列特征，降低噪声影响，并通过SVM完成特征检测。针对TsRNet向SVM输出特征维度过高、计算量偏大的问题，引入主成分分析(Principal Component Analysis, PCA)实现特征降维。仿真结果表明，SNR在-15～-8 dB时，所提算法检测性能优异，优于传统相关性检测算法；在时变抽头延迟线信道模型-A(Tapped Delay Line Model-A,TDL-A)下，检测性能平均提升16.16%;在时变抽头延迟线信道模型-E(TDL-E)下，检测性能平均提升5.28%。
关键词：下行同步;;小区搜索;;辅同步信号;;相关检测;;残差连接
基金资助：重庆市基础与前沿研究计划(cstc2019jcyj-msxmx079)~~
