自适应数字调制信号解调器及其解调方法技术

本发明专利技术涉及一种自适应数字调制信号解调方法，包括获取已调制信号，并将调制信号转换为数字信号；提取数字信号的特征，其中特征包括信号的幅频特征和相频特征；将信号的幅频特征和相频特征作为多层前向复数值神经网络的输入，利用训练好的多层前向复数值神经网络识别数字信号的调制方式，其中使用基于自适应混合方向的CL

【技术实现步骤摘要】
自适应数字调制信号解调器及其解调方法


[0001]本专利技术涉及通信
，尤其是指一种自适应数字调制信号解调器及其解调方法。

技术介绍

[0002]随着通信规模的日益增大，常见的数字调制方式渐渐地无法满足实际需求,多进制数字调制方式相继出现。多进制调制方式同样可以分为多进制频移键控(MFSK)、多进制振幅键控(MASK)和多进制相移键控(MPSK)。另一方面，为了解决频谱利用率低、抗多径衰弱能力差、功率谱衰减慢以及带外辐射严重等问题，人们提出了新的数字调制技术，比如正交振幅调制(QAM)和正交频分复用调制(OFDM)。作为调制的逆过程，解调的任务就是在接收端把接收到的已调信号还原为原始基带信号。
[0003]由于调制方式的不同，需要采用的解调方案也会不同。在现代电子战争和无线电频谱资源监管等非协作通信系统中，由于通信环境的复杂性和调制方式的多样性，往往会接收到未知调制方式的通信信号，从而对信号的解调带来了极大的困难。因此，通信系统中信号调制方式识别的研究具有非常重要的理论意义和实用价值。早期的信号调制方式识别通常是基于测量参数进行的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自适应数字调制信号解调方法，其特征在于，包括：获取已调制信号，并将所述调制信号转换为数字信号；提取所述数字信号的特征，其中所述特征包括信号的幅频特征和相频特征；将所述信号的幅频特征和相频特征作为多层前向复数值神经网络的输入，利用训练好的多层前向复数值神经网络识别所述数字信号的调制方式，其中使用基于自适应混合方向的CL
‑
BFGS算法训练所述多层前向复数值神经网络，通过所述算法在迭代过程中自适应地构建混合搜索方向，调整所述多层前向复数值神经网络的权值和偏置参数；根据所述多层前向复数值神经网络的识别结果，通过多路选择器选择合适的解调器对所述数字信号进行解调，获得解调后的数字基带信号。2.根据权利要求1所述的自适应数字调制信号解调方法，其特征在于：所述数字信号的幅频特征和相频特征通过快速傅里叶变换进行提取。3.根据权利要求1所述的自适应数字调制信号解调方法，其特征在于：所述多层前向复数值神经网络的训练样本为提取到的数字信号的幅频特征和相频特征所构成的向量，并将其作为多层前向复数值神经网络的训练样本集。4.根据权利要求1所述的自适应数字调制信号解调方法，其特征在于：使用基于自适应混合方向的CL
‑
BFGS算法训练所述多层前向复数值神经网络包括：将所述多层前向复数值神经网络的权值和偏置进行初始化，对所述算法的参数进行设置，包括滑动窗口大小为τ，候选集合大小为M，最大迭代次数为T，代价函数的误差阈值为ε；计算所述多层前向复数值神经网络的代价函数对权值和偏置的梯度；使用长度为τ的滑动窗口对候选集合{1,2,
…
M}进行滑动并切片，获得候选子集，将所述候选子集中的所有元素作为记忆尺度计算候选混合搜索方向，并将所述候选混合搜索方向组成候选混合搜索方向集合；确定所述候选混合搜索方向集合中每个方向的步长；在所述候选混合搜索方向集合中选择使代价函数值最小的候选方向和相应的步长作为当前迭代的搜索方向和步长进行迭代训练，并更新当前的权值和偏置，直至代价函数值≤设定的误差阈值ε或者训练次数达到最大迭代次数T，则迭代训练结束。5.根据权利要求4所述的自适应数字调制信号解调方法，其特征在于：计算所述多层前向复数值神经网络的代价函数对权值和偏置的梯度包括：对多层前向复数值神经网络依次进行正向计算和反向计算，得到梯度向量利用和分别计算和其中，表示所述多层前向复数值神经网络所有待调整参数构成的复向量，g
t
为代价函数对复向量z
t
的Wirtinger微分，上标T和H分别表示复向量的转置和共轭转置。6.根据权利要求5所述的自适应数字调制信号解调方法，其特征在于：对多层前向复数值神经网络依次进行正向计算和反向计算，得到梯度向量包括：通过正向传播逐层计算复数值神经网络的输出如下：通过正向传播逐层计算复数值神经网络的输出如下：
式中，表示第p个训练样本第l层神经元的净输入向量，表示第p个训练样本第l层神经元的输出向量，V
l
表示第l层和第l
‑
1层之间神经元的连接权值矩阵，b
l
是第l层神经元的偏置向量，g
l
(
·<...

【专利技术属性】
技术研发人员：黄鹤，张永亮，李欢欢，曹洪龙，
申请(专利权)人：苏州大学，
类型：发明
国别省市：