吴思阳，高 勇

(四川大学 电子信息学院，四川 成都 610065)

0 引言

随着卫星通信技术的不断发展和用户需求的不断增加，带宽资源越来越稀缺，如何提高系统容量是卫星通信系统进一步拓展服务的迫切问题。

目前主流的混合信号盲分离方案包括粒子滤波(Particle Filter,PF)[1]与逐幸存路径处理(Survivor Processing,PSP)[2]等算法，这些算法虽然具有优越的性能，但由于复杂度较高，应用受到了限制。近年来有许多文献对其进行了研究与改进。文献[3]在粒子滤波法中采用部分采样法进行搜索,利用2个子区间的增量权值完成粒子抽样和权重更新，从而降低复杂度。文献[4]针对合作接收的高阶调制PCMA信号，提出一种基于判决反馈逐幸存路径处理的解调算法，在算法性能和复杂性之间达成折中。文献[5]针对非合作接收不同符号速率PCMA混合信号,提出一种基于双网格逐幸存路径处理的分离算法。文献[6]提出基于深度学习的盲分离算法，但其神经网络仅针对于已知信道或其变化规律的分离场景。

近年来，深度学习在计算机视觉、语音识别、自然语言处理等方面表现出了优势。在物理层通信的复杂场景中，如信道解码[7]、调制识别[8]、信号检测[9]和端到端通信系统[10]等，深度学习也显示出了巨大的前景。循环神经网络适合于学习序列，由于可以充分利用符号之间的相关性，在单信号检测中取得了优异的性能。

PSP算法是一种基于最大似然序列估计的算法，需要对可能的符号进行遍历搜索，其中调制阶数和信道估计长度导致时间复杂度呈指数型增长，因此在实际情况下应用难度较大。……