一种基于RNN神经网络的OFDM信号检测方法技术

本发明专利技术公开了一种基于RNN神经网络的OFDM信号检测方法，可应用于无线移动通信的认知无线电频谱感知技术中，有效提高OFDM系统在接收机信号解调方面的恢复能力，从而提高认知无线电频谱感知的信号检测性能。本发明专利技术在分析OFDM系统的基础上，首先，搭建OFDM系统框架，利用OFDM系统框架生成供模型学习的时间序列数据集。然后，通过RNN神经网络的LSTM模型对时间序列信号数据集进行学习，采用Adam训练算法快速优化参数和小批量的训练方式，实现端到端的频谱信号检测，有效的解决了存在NBI和ICI的OFDM系统信号接收问题，提高了系统的频谱检测性能。

An OFDM signal detection method based on RNN neural network

【技术实现步骤摘要】
一种基于RNN神经网络的OFDM信号检测方法
本专利技术涉及无线移动通信
，特别涉及一种基于RNN神经网络的OFDM信号检测方法。
技术介绍
无线通信技术的不断革新使得信息传递更为快速和可靠。近段时间以来，OFDM技术作为无线通信中的关键技术在促进数据流快速流动中起着重要作用。OFDM技术将数据流的串行传输通过正交子载波化转换为并行传输，很好地应对选择性衰落和窄带干扰(NBI)；同时加入循环前缀(CP)，在对抗符号间干扰(ISI)和子载波间干扰(ICI)具有较好的表现。在认知无线电(CR)中，OFDM技术同样作为CR传输的首选技术。虽然OFDM技术具有诸多优点，但是在OFDM系统中，当信息在高速传寄的过程中会受到多普勒偏移和相位噪声的影响，导致OFDM系统的性能严重不佳。虽然在OFDM系统中插入CP，有效提高了OFDM系统的抗子载波干扰能力，但受其他因素的干扰还是会影响OFDM信号的正交性，从而使得在认知无线电中采用OFDM传输技术进行频谱感知时，依然得不到很好的信号检测效果。目前降低子载波间干扰的技术有：时域加窗、频域均衡、其他本文档来自技高网...

【技术保护点】
1.一种基于RNN神经网络的OFDM信号检测方法，其特征在于，通过RNN神经网络完成OFDM信号检测，步骤如下：/n步骤1：构建基于RNN神经网络的频谱信号检测模型和初始化网络参数，设定迭代次数和其他的超参数；/n步骤2：输入数据集，包括训练集和验证集，正向传播训练，计算损失loss；/n步骤3：通过梯度下降算法完成时间反向传播算法，参数更新，直到训练结束；/n步骤4：统计损失曲线和准确率拟合曲线，同时查看训练时间，如果不收敛，则调整超参数，重复步骤2，如果收敛进入步骤5；/n步骤5：输入测试集序列数据，完成模型测试。/n

【技术特征摘要】
1.一种基于RNN神经网络的OFDM信号检测方法，其特征在于，通过RNN神经网络完成OFDM信号检测，步骤如下：
步骤1：构建基于RNN神经网络的频谱信号检测模型和初始化网络参数，设定迭代次数和其他的超参数；
步骤2：输入数据集，包括训练集和验证集，正向传播训练，计算损失loss；
步骤3：通过梯度下降算法完成时间反向传播算法，参数更新，直到训练结束；
步骤4：统计损失曲线和准确率拟合曲线，同时查看训练时间，如果不收敛，则调整超参数，重复步骤2，如果收敛进入步骤5；
步骤5：输入测试集序列数据，完成模型测试。


2.根据权利要求1所述的基于RNN神经网络的OFDM信号检测方法，其特征在于：
所述RNN神经网络使用Matlab2019深度学习工具箱搭建而成。


3.根据权利要求1所述的基于RNN神经网络的OFDM信号检测方法，其特征在于：
所述RNN深度检测网络在CPU模式下使用LSTM模型，利用Adam优化算法和小批量数据处理方式完成模型训练。


4.根据权利要求3所述的基于RNN神经网络的OFDM信号检测方法，其特征在于：
所述模型训练的学习率大小为0.01，小批量大小为1000，输入节点数256，...

【专利技术属性】
技术研发人员：何波，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37