【技术实现步骤摘要】
基于神经网络的GMSK脉冲多普勒频移测量方法
本专利技术属于人工智能
,具体是涉及一种基于神经网络的GMSK脉冲多普勒频移测量方法。
技术介绍
在通信中,当发射终端处于高速运动时,由于多普勒效应,移动终端的发射信号到达接收端时会发生多普勒频移。通过载频多普勒频移的测量,在移动通信中可以进行频率校准从而降低通信误码率,在非合作的信号分选中多普勒频移所隐含的物体运动速度可以作为分选的依据。
技术实现思路
本专利技术针对具体GMSK脉冲信号,提出了一种基于神经网络的多普勒频移测量方法。移动通信的场景或者信号分选场景中可以假设已知原始的GMSK脉冲的载频,则可以先利用原始载频从GMSK脉冲信号中获得基带信号,从GMSK的调制原理上看,本质上是将码元信息加入相位中,当引入频移时,相当于在基带信号中叠加了随时间增加的相位漂移。本专利技术将从这个角度,在相位漂移中提取载频偏移量从而完成测频。本专利技术所采用的技术方案为:S1、频域信息提取首先,对接收的GMSK基带信号进行FFT变换获得频域信息,由于脉冲信号多是带限信号,信息集中于零频附近,且处于去除带外噪声的考虑,可以选择带内频域信息而不是全部频域信息进行下一步分析。S2、神经网络模型学习利用神经网络的强大拟合能力对从频域信息中进行多普勒频移的提取进行模型学习。设置三层神经网络,第一层接收频域信息,第二层中间层对信息进行处理,最后一层一个具有thah激活函数的节点输出估计的多普勒频移。针对特定的GMSK信号,准备频 ...
【技术保护点】
1.基于神经网络的GMSK脉冲多普勒频移测量方法,其特征在于,包括以下步骤:/nS1、对接收的GMSK基带信号进行FFT变换获得频域信息;/nS2、构建神经网络模型,神经网络模型包括三层,第一层输入层用于接收频域信息并输入到神经网络,第二层中间层用于对输入的信息进行处理,第三层为一个具有thah激活函数的节点用于输出估计的多普勒频移;对于目标GMSK信号,通过收集频域信号与对应的多普勒频移构成训练数据集,使用RMSProp优化算法对神经网络进行训练,即可获得能针对目标GMSK信号获得多普勒频移的训练好的神经网络;/nS3、采用训练好的神经网络对目标GMSK信号进行多普勒频移测量。/n
【技术特征摘要】
1.基于神经网络的GMSK脉冲多普勒频移测量方法,其特征在于,包括以下步骤:
S1、对接收的GMSK基带信号进行FFT变换获得频域信息;
S2、构建神经网络模型,神经网络模型包括三层,第一层输入层用于接收频域信息并输入到神经网络,第二层中间层用于对输入的信息进行处理,第三层为一个具有t...
【专利技术属性】
技术研发人员:马盛元,魏平,李万春,张花国,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川;51
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。