一种基于深度学习的随钻测量信道估计方法技术

本发明专利技术公开了一种基于深度学习的随钻测量信道估计方法，属于属于通信领域，特别是钻头钻井过程中测量、采集钻头附近测井数据，并将采集数据实时传输到地面系统的技术领域。本发明专利技术考虑到噪声对系统严重的影响，输入学习网络的数据将首先通过一个轻量的消噪子网络，之后再通过完成信道估计功能的子网络，最终完成信道估计。与传统方法相比，本发明专利技术比LS和MMSE方法具有明显更低的均方误差性能，与现有先进的深度学习方法相比，DnCENet也仍具有明显的优越性。此外，在鲁棒性方面，本发明专利技术所提学习网络的优越性。该方法可用于钻进液MWD遥传系统频点和码率选择的正确指导，进而提高通信质量和速率，未来也可以用于系统的频域均衡，提高系统的解调性能。系统的解调性能。系统的解调性能。

【技术实现步骤摘要】
一种基于深度学习的随钻测量信道估计方法


[0001]本专利技术属于通信领域，特别是钻头钻井过程中测量、采集钻头附近测井数据，并将采集数据实时传输到地面系统的


技术介绍

[0002]随钻测量是一种能在钻头钻井过程中测量、采集钻头附近测井数据，并将采集数据实时传输到地面系统的技术。测井数据通常包括地层特性信息和各种钻井工程参数。作为目前用于钻井随钻测量中最成熟的信息传输技术之一，钻井液压力信号传输方式的基本工作原理是将井下测得的信息转换成控制信息，并将控制信息作用于井下的钻井液压力信号发生器，使传输信道中的钻井液压力发生变化，从而产生钻井液压力脉动，压力脉动通过传输信道中的钻井液传递到地面，经地面处理系统处理而转换成所需的井下测量信息。钻井液随钻测量系统的总体结构如图1所示。
[0003]随钻测量(MWD：Measurement While Drilling)技术中，钻井液MWD遥传系统因其传输介质的独特性、发射信号方式的特殊性以及现场工作环境的复杂性，使其传输信道不仅具有多径传播导致的频率选择性和高强度的高斯噪声，同时还具有非线本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的随钻测量信道估计方法，该方法为发送端首先发送一段Chirp信号，作为一个完整帧的起始标志，接收端接收到Chirp信号，对该信号进行如下处理：步骤1：接收端对接收Chirp信号首先通过消噪子网络，该消噪子网络由全连接网络构成，具有2个隐藏层，每层神经元个数为256；步骤2：然后对经过消噪子网络的Chirp信号和本地Chirp信号分别进行FFT运算，分别得到Y(k)和X(k)，将经过F...

【专利技术属性】
技术研发人员：陈伟，郭光明，杨博，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：