基于多神经网络的DBPSK解调方法技术
【技术实现步骤摘要】
基于多神经网络的DBPSK解调方法
本专利技术属于数字通信
，涉及一种DBPSK解调方法，具体涉及一种基于多个神经网络的DBPSK解调方法，可用于卫星通信、深空通信。技术背景为了使数字信号在带通信道中传输，必须用数字基带信号对载波进行调制，以使信号与信道的特性相匹配。这种用数字基带信号控制载波，把数字基带信号变换为数字带通信号的过程称为数字调制，在接收端通过解调器把带通信号还原成数字基带信号的过程称为数字解调。数字调制包含PSK、ASK以及FSK等多种方式，其中BPSK是PSK中最为简单的一种，它利用两种载波相位0和π分别表示二进制“1”和“0”。因此BPSK已调信号的时域表达式为：其中，表示第n个符号的绝对相位：BPSK信号的解调通常采用相干解调法，即在解调端产生与接收信号同频同相的相干载波，使其与接收信号相乘并经过低通滤波后，即可得到基带信号。但是，在BPSK信号载波恢复过程中可能出现相干载波与接收信号完全反相的情况，此时解调出的数字基带信号会与发送的数字基带信号正好相反，判决器输出的码元符号全部出错，为了避免这种现象，实际应用中常常使用差分相移键控...
【技术保护点】
一种基于多神经网络的DBPSK解调方法，其特征在于包括如下步骤：(1)获取01随机序列O和加噪信号R：(1a)仿真软件随机产生01随机序列O；(1b)对01随机序列O进行差分编码，得到差分编码序列；(1c)对差分编码序列进行BPSK调制，并对调制结果进行加性高斯白噪声信道仿真，得到加噪信号R；(2)获取加噪信号R的采样序列集θ1,θ2,…,θi,…,θm：(2a)设加噪信号R初始采样时刻分别为t1,t2,…,ti,…,tk，其中，ti为第i种初始采样时刻，且ti＝iT/k，T为加噪信号R的码元周期，k为加噪信号R初始采样时刻的种数，且k≥2；(2b)利用加噪信号R初始采样时...
【技术特征摘要】
1.一种基于多神经网络的DBPSK解调方法，其特征在于包括如下步骤：(1)获取01随机序列O和加噪信号R：(1a)仿真软件随机产生01随机序列O；(1b)对01随机序列O进行差分编码，得到差分编码序列；(1c)对差分编码序列进行BPSK调制，并对调制结果进行加性高斯白噪声信道仿真，得到加噪信号R；(2)获取加噪信号R的采样序列集θ1,θ2,…,θi,…,θm：(2a)设加噪信号R初始采样时刻分别为t1,t2,…,ti,…,tk，其中，ti为第i种初始采样时刻，且ti＝iT/k，T为加噪信号R的码元周期，k为加噪信号R初始采样时刻的种数，且k≥2；(2b)利用加噪信号R初始采样时刻t1,t2,…,ti,…,tk的每种时刻分别对加噪信号R进行采样，得到加噪信号R的采样序列集θ1,θ2,…,θi,…,θm，其中，m为采样序列的个数，且m＝k，θi为第i个加噪信号R的采样序列；(3)设定神经网络结构：设定包含输入层、隐藏层和输出层的前馈神经网络结构，其中输入层节点个数与待解调信号两个码元周期内的采样点个数相等，隐藏层节点个数等于输入层节点个数的一半，输出层节点个数为1，且隐藏层和输出层的激活函数均采用sigmoid函数；(4)获取m组神经网络训练集：(4a)以加噪信号R的采样序列集θ1,θ2,…,θi,…,θm的各采样序列中任意两个相邻码元周期对应的采样点作为神经网络的不同输入向量，每个采样序列中所有输入向量组成一组输入向量集，得到m组神经网络输入向量集，其中的输入向量的维度与设定的神经网络结构的输入层节点个数相同；(4b)将01随机序列O中各码元作为神经网络的不同输出向量，得到神经网络输出向量集，其中的输出向量的维度与设定的神经网络结构的输出层节点个数相同；(4c)将m组神经网络输入向量集中的每组向量集分别与输出向量集合并，得到m组神经网络训练集；(5)训练神经网络：利用m组神经网络训练集对设定的神经网络结构进行训练，得到已训练的神经网络集N1,N2,…,Ni,…,Nn，其中，Ni为第i个神经网络，n为神经网络的数量，且n＝m；(6)对设定的待解调信号进行多神经网络解调：(6a)设...
【专利技术属性】
技术研发人员：王海，刘宗延，张敏，赵伟，刘岩，秦红波，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。