一种基于盲均衡辅助深度学习的方法及系统技术方案

本发明专利技术公开了一种基于盲均衡辅助深度学习的方法，属于通信领域，其包括如下步骤：采样，对接收到的调制信号采样，将采样好的信号送入盲均衡器；均衡，分别用多种步长对接收信号进行均衡；检查清除，对均衡后的信号数据进行检查，清除均衡失败的空数据；识别学习，将全部成功均衡的数据送到深度学习网络中，提取数据中的隐含信息，利用隐含信息对均衡后的信号加以识别。本发明专利技术还公开了基于上述方法的系统，其包括均衡模块和深度学习模块，所述均衡模块和深度学习模块双向形成传输链路。本发明专利技术的优点在于：通过利用盲均衡的方法，先对接收信号均衡，然后用深度学习网络采集潜在信息加以识别，提高了对未知信号的识别准确率。

A method and system based on blind equalization assisted deep learning

【技术实现步骤摘要】
一种基于盲均衡辅助深度学习的方法及系统
本专利技术涉及通信领域，尤其涉及一种基于盲均衡辅助深度学习的方法及系统。
技术介绍
调制识别是通信中一个重要内容，调制识别实现了接收信号调制类别的分类。在认知无线电，军事通信中有着广泛的应用价值。具体而言，在认知无线电系统中,了解其他(主要或次要)用户采用的调制方式可以帮助当前接收机更好地认识干扰环境，而在军事通信中，窃听者必须了解对方的调制类型，以便对截获的信号进一步解码。传统的调制识别的方法分为基于似然函数(LB)的方法与基于特征(FB)的方法。LB方法计算信号的似然函数，并将其与预设的阈值比较得出调制类别。尽管该方法具有理论最优值，但复杂度随数据量同时增加。FB法首先提取信号的物理数学特征，如幅度，相位，高阶统计量，傅里叶变换，再根据不同调制类型特征不同加以识别。作为一种次优法，FB凭借着识别准确率较高，速度较快，是一种普遍使用的调制方法。该方法作为一种传统方法，提取到的特征有限，尚不清楚是否还有更多的特征有待提取。现有技术中的绝大多数方法都是基于简化后的信道开展的，如加性高斯白噪声信道与平坦衰落信本文档来自技高网...

【技术保护点】
1.一种基于盲均衡辅助深度学习的方法，其特征在于，包括如下步骤：/n采样，对接收到的调制信号采样，将采样好的信号送入盲均衡器；/n均衡，分别用多种步长对接收信号进行均衡；/n检查清除，对均衡后的信号数据进行检查，清除均衡失败的空数据；/n识别学习，将全部成功均衡的数据送到深度学习网络中，提取数据中的隐含信息，利用隐含信息对均衡后的信号加以识别。/n

【技术特征摘要】
1.一种基于盲均衡辅助深度学习的方法，其特征在于，包括如下步骤：
采样，对接收到的调制信号采样，将采样好的信号送入盲均衡器；
均衡，分别用多种步长对接收信号进行均衡；
检查清除，对均衡后的信号数据进行检查，清除均衡失败的空数据；
识别学习，将全部成功均衡的数据送到深度学习网络中，提取数据中的隐含信息，利用隐含信息对均衡后的信号加以识别。


2.根据权利要求1所述的一种基于盲均衡辅助深度学习的方法，其特征在于，所述均衡方法采用多模均衡方法。


3.根据权利要求1所述的一种基于盲均衡辅助深度学习的方法，其特征在于，所述识别学习方法采用基于深度学习网络的深度学习方法，所述深度学习网络为基于Resnet网络的深度学习网络。


4.一种应用如权利要求1所述的基于盲均衡辅助深度学习的方法的系统，其特征在于，包括均衡模块和深度学习模块，所述均衡模块和深度学习模块双向形成传输链路。

<...

【专利技术属性】
技术研发人员：王珏，纪雪飞，张艳秋，厉凯，孙强，曹娟，徐晨，杨永杰，
申请(专利权)人：南通先进通信技术研究院有限公司，南通大学，
类型：发明
国别省市：江苏;32