基于劲向基神经网络的抗干扰方法技术

本发明专利技术公开了基于劲向基神经网络的抗干扰方法，包括以下步骤：步骤一：通过频谱扫描实时获取一个随机序列；步骤二：通过干扰分类算法将步骤一中获取的随机序列进行识别窄带干扰、宽带干扰、梳妆干扰；步骤三：针对窄带干扰、宽带干扰、梳妆干扰不同的干扰类型设计波形判决模块，波形判决模块包括NC波形决策算法、TDCS波形决策算法和扩频波形决策算法。本发明专利技术中，将劲向基神经网络应用于切换通信波形以抵抗不同类型干扰，能够适用于更多通信场景，该基于劲向基神经网络的抗干扰方法满足应对突发干扰情况下的波形选择要求，与传统通信系统相比，可以适用于更多的通信场景，实现在复杂环境下进行高效可靠数据传输。

【技术实现步骤摘要】
基于劲向基神经网络的抗干扰方法
本专利技术涉及信噪比计算
，尤其涉及基于劲向基神经网络的抗干扰方法。
技术介绍
基于劲向基神经网络是一种三层神经网络，其包括输入层、隐层、输出层。从输入空间到隐层空间的变换是非线性的，而从隐层空间到输出层空间变换是线性的，基于劲向基神经网络的基本思想是，用RBF作为隐单元的“基”构成隐含层空间，这样就可以将输入矢量直接映射到隐空间，而不需要通过权连接。当RBF的中心点确定以后，这种映射关系也就确定了。而隐含层空间到输出空间的映射是线性的，即网络的输出是隐单元输出的线性加权和，此处的权即为网络可调参数，网络由输入到输出的映射是非线性的，而网络输出对可调参数而言却又是线性的，网络的权就可由线性方程组直接解出，从而大大加快学习速度并避免局部极小问题。随着通信业务种类的增多，未来信息化发展对通信系统的宽带化、智能化提出了更高的要求，为了实现在复杂电磁环境下进行有效通信，传统抗干扰技术通过人工判断高速波形是否可用，当达不到误码率(BER)等要求时则使用以跳、扩频为代表的抗干扰波形，以人工的方式判断干扰情况、切换通信波形不能及时应对电磁环境的瞬息万变，针对复杂干扰情况也难以选择最佳的传输手段，无法满足抗干扰技术的智能化需求。
技术实现思路
为了实现上述目的，本专利技术采用了如下技术方案：基于劲向基神经网络的抗干扰方法，包括以下步骤：步骤一：通过频谱扫描实时获取一个随机序列；步骤二：通过干扰分类算法将步骤一中获取的随机序列进行识别窄带干扰、宽带干扰、梳妆干扰；步骤三：针对窄带干扰、宽带干扰、梳妆干扰不同的干扰类型设计波形判决模块，波形判决模块包括NC波形决策算法、TDCS波形决策算法和扩频波形决策算法，实现抗干扰；步骤四：将波形判决模块的波形决策算法的波形选择结果作为参数之输入劲向基神经网络中进行学习，通过向基神经网络根据各个模式的最佳波形确定波形判决模块的波形决策算法。作为上述技术方案的进一步描述：所述NC波形决策算法主要包括频谱感知、调制解调、信噪比估计，NC波形决策算法的基本结构时在首发端增加动态频谱感知，将频谱感知结构与预先设置好的阈值进行比较，并剔除可用子载波。作为上述技术方案的进一步描述：所述TDCS波形决策算法时在频域构造不含干扰频点的信号波形，结合扩频方式将有用信号扩展到整个可用频段。作为上述技术方案的进一步描述：所述TDCS波形决策算法时在频域构造不含干扰频点的信号波形的方法为首先对环境进行进行频谱扫描，并将目标段量化成N个子载波，然后通过将扫描结果的频谱复制与预先设计的阈值进行比较，并对子载波的可用性进行标记，使得收发机得到的所有子载波效用序列。作为上述技术方案的进一步描述：所述扩频波形决策算法由扩频通信系统发射端输入的信息进过信息调制形成数字信号，然后有扩频码发生器产生的扩频码序列进行调制以展宽信号的频谱，在由该信号对载频进行调制发射，在接收端使用同样的扩频码进行相关同步接收、解扩及恢复所传信息数据。作为上述技术方案的进一步描述：所述扩频码序列是每个符号被转化成的码片数目，也是扩频后码片速率和扩频前信号速率的比值，扩频码序列可以直接反应扩频增益。作为上述技术方案的进一步描述：所述干扰分类算法在对随机序列进行识别时还需要对随机序列进行预处理，且预处理包括忽略影响小的扰动，提取主要特征，其中主要特征包括干扰强度、干扰带宽、干扰数量、干扰间隔和干扰能量。本专利技术提供了基于劲向基神经网络的抗干扰方法，具备以下有益效果：该基于劲向基神经网络的抗干扰方法将劲向基神经网络应用于切换通信波形以抵抗不同类型干扰，能够适用于更多通信场景，该基于劲向基神经网络的抗干扰方法满足应对突发干扰情况下的波形选择要求，与传统通信系统相比，可以适用于更多的通信场景，实现在复杂环境下进行高效可靠数据传输，达到实时抵抗干扰提升通讯频谱利用率的目的。具体实施方式下面将结合本专利技术实施例，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于劲向基神经网络的抗干扰方法，包括以下步骤：步骤一：通过频谱扫描实时获取一个随机序列；步骤二：通过干扰分类算法将步骤一中获取的随机序列进行识别窄带干扰、宽带干扰、梳妆干扰；步骤三：针对窄带干扰、宽带干扰、梳妆干扰不同的干扰类型设计波形判决模块，波形判决模块包括NC波形决策算法、TDCS波形决策算法和扩频波形决策算法，实现抗干扰；步骤四：将波形判决模块的波形决策算法的波形选择结果作为参数之输入劲向基神经网络中进行学习，通过向基神经网络根据各个模式的最佳波形确定波形判决模块的波形决策算法。NC波形决策算法主要包括频谱感知、调制解调、信噪比估计，NC波形决策算法的基本结构时在首发端增加动态频谱感知，将频谱感知结构与预先设置好的阈值进行比较，并剔除可用子载波。TDCS波形决策算法时在频域构造不含干扰频点的信号波形，结合扩频方式将有用信号扩展到整个可用频段。TDCS波形决策算法时在频域构造不含干扰频点的信号波形的方法为首先对环境进行进行频谱扫描，并将目标段量化成N个子载波，然后通过将扫描结果的频谱复制与预先设计的阈值进行比较，并对子载波的可用性进行标记，使得收发机得到的所有子载波效用序列。扩频波形决策算法由扩频通信系统发射端输入的信息进过信息调制形成数字信号，然后有扩频码发生器产生的扩频码序列进行调制以展宽信号的频谱，在由该信号对载频进行调制发射，在接收端使用同样的扩频码进行相关同步接收、解扩及恢复所传信息数据。扩频码序列是每个符号被转化成的码片数目，也是扩频后码片速率和扩频前信号速率的比值，扩频码序列可以直接反应扩频增益。干扰分类算法在对随机序列进行识别时还需要对随机序列进行预处理，且预处理包括忽略影响小的扰动，提取主要特征，其中主要特征包括干扰强度、干扰带宽、干扰数量、干扰间隔和干扰能量。该基于劲向基神经网络的抗干扰方法实现将劲向基神经网络应用于切换通信波形以抵抗不同类型干扰，能够适用于更多通信场景，该基于劲向基神经网络的抗干扰方法满足应对突发干扰情况下的波形选择要求，与传统通信系统相比，可以适用于更多的通信场景，实现在复杂环境下进行高效可靠数据传输，达到实时抵抗干扰提升通讯频谱利用率的目的。在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料过着特点包含于本专利技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。以上所述，仅为本专利技术较佳的具体实施方式，但本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术揭露的技术范围内，根据本专利技术的技术方案及本文档来自技高网...

【技术保护点】
1.基于劲向基神经网络的抗干扰方法，其特征在于，包括以下步骤：/n步骤一：通过频谱扫描实时获取一个随机序列；/n步骤二：通过干扰分类算法将步骤一中获取的随机序列进行识别窄带干扰、宽带干扰、梳妆干扰；/n步骤三：针对窄带干扰、宽带干扰、梳妆干扰不同的干扰类型设计波形判决模块，波形判决模块包括NC波形决策算法、TDCS波形决策算法和扩频波形决策算法，实现抗干扰；/n步骤四：将波形判决模块的波形决策算法的波形选择结果作为参数之输入劲向基神经网络中进行学习，通过向基神经网络根据各个模式的最佳波形确定波形判决模块的波形决策算法。/n

【技术特征摘要】
1.基于劲向基神经网络的抗干扰方法，其特征在于，包括以下步骤：
步骤一：通过频谱扫描实时获取一个随机序列；
步骤二：通过干扰分类算法将步骤一中获取的随机序列进行识别窄带干扰、宽带干扰、梳妆干扰；
步骤三：针对窄带干扰、宽带干扰、梳妆干扰不同的干扰类型设计波形判决模块，波形判决模块包括NC波形决策算法、TDCS波形决策算法和扩频波形决策算法，实现抗干扰；
步骤四：将波形判决模块的波形决策算法的波形选择结果作为参数之输入劲向基神经网络中进行学习，通过向基神经网络根据各个模式的最佳波形确定波形判决模块的波形决策算法。


2.根据权利要求1所述的基于劲向基神经网络的抗干扰方法，其特征在于，所述NC波形决策算法主要包括频谱感知、调制解调、信噪比估计，NC波形决策算法的基本结构时在首发端增加动态频谱感知，将频谱感知结构与预先设置好的阈值进行比较，并剔除可用子载波。


3.根据权利要求1所述的基于劲向基神经网络的抗干扰方法，其特征在于，所述TDCS波形决策算法时在频域构造不含干扰频点的信号波形，结合扩频方式将有用信号扩展到整个可用频段。


4.根据权利要求3所述的基于劲向基神经网络...

【专利技术属性】
技术研发人员：李志强，
申请(专利权)人：南京天际行云科技有限公司，
类型：发明
国别省市：江苏;32