【技术实现步骤摘要】
欠采样跳频通信信号深度学习恢复方法
本专利技术属于通信
,特别涉及跳频信号恢复,具体是一种欠采样跳频通信信号深度学习恢复方法,可用于军事领域和民用领域通信。
技术介绍
跳频通信是一种常见的扩频通信方式,其工作原理是发送方和接收方在传输信号时载波频率按照一定的规律进行变化的通信方式,其中载波频率受伪随机序列的变化而跳变,具有抗干扰能力强,低截获,易组网等优势。随着无线通信技术的发展,各种新兴的通信方式不断涌现,无线频谱资源日益紧张,跳频通信由于其频带利用率较高成为解决频带拥挤的新方案。当下对跳频信号的分析基本是以传统的奈奎斯特采样定理作为基础的。传统采样定理规定:在对连续模拟信号进行采样时,只有当采样率至少是该信号最高频率的二倍时,该连续模拟信号才能被完全确定。这在处理低带宽信号时自然是没有太大问题的,但是随着近年来跳频信号工作频率的范围不断提高,传统采样定理已不能满足目前跳频信号分析的需要。首要原因是由于衡量处理前端模-数转换器(Analog-to-DigitalConverter,ADC)性能的重要参数——有 ...
【技术保护点】
1.一种欠采样跳频通信信号深度学习恢复方法,应用于跳频通信,其特征在于,通过跳频通信接收端的调制宽带转换器的硬件结构对观测的跳频信号x(t)进行线性测量,得到压缩信号y
【技术特征摘要】
1.一种欠采样跳频通信信号深度学习恢复方法,应用于跳频通信,其特征在于,通过跳频通信接收端的调制宽带转换器的硬件结构对观测的跳频信号x(t)进行线性测量,得到压缩信号y1[n]~ym[n],将压缩信号和原始信号通过数据预处理得到适合输入到卷积神经网络和变分自编码器的数据格式,将预处理后的压缩信号和原始信号送入到卷积神经网络和变分自编码器中进行训练,随后通过卷积神经网络和变分自编码器来对预处理后的压缩信号进行恢复,得到原始信号,包括有如下步骤:
(1)构建卷积神经网络和变分自编码器网络结构:两种网络结构分别为独立的信号恢复网络结构,实际上是构建了两种信号恢复网络结构,首先构建卷积神经网络结构,该网络结构设置了5层卷积网络,每一层结构相同,每层均包括卷积层、批量正则化层和Relu激活函数,输入信号为数据预处理后的向量输出信号为数据预处理后的向量[c-d]T;其次构建变分自编码器网络结构,该网络结构三层网络,第一层为全连接层,批量正则化层,Relu函数,第二层为隐层z,第三层为Relu函数,批量正则化层,全连接层,输入信号为数据预处理后的向量ATY,输出信号为数据预处理后的向量[c-d]T;
(2)跳频信号线性测量:将观测的跳频信号通过跳频通信接收端的调制宽带转换器进行线性测量得到压缩信号y1[n]~ym[n],其中n是采样点数,m是调制宽带转换器的采样通道数,观测的跳频信号x(t)作为输入信号,t为时间,p1(t)~pm(t)代表伪随机码片,输入信号与各个通道的伪随机码片相乘,将观测的跳频信号搬移到基带,然后通过低通滤波器滤除带外干扰,再通过A/D转换器采样后得到线性测量后的压缩信号y1[n]~ym[n];
(3)数据预处理:将线性测量后的压缩信号y1[n]~ym[n]经过快速傅里叶变换得到线性测量向量Y={Y1[n],Y2[n]...,Ym[n]}T,将其拆解为实部a和虚部b,取其实部a即可,将观测矩阵A拆解为实部B和虚部C部分,构成新的观测矩阵每一行第一列是实部,第二列是虚部,将新的观测矩阵的转置和线性测量向量Y的实部a相乘得到卷积神经网络或变分自编码器输入信号将跳频信号x(t),经过快速傅里...
【专利技术属性】
技术研发人员:齐佩汉,王凡,周涛,谢爱平,梁琳琳,周小雨,李赞,王丹洋,关磊,都毅,毛维安,
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。