一种太赫兹信号解调方法、装置和电子设备制造方法及图纸

本申请实施例提供一种太赫兹信号解调方法、装置和电子设备。方法包括：对接收信号进行特征提取，获取神经网络输入数据；将所述神经网络输入数据输入到所述解调神经网络，以获取所述软信息的各个维度的量化值；根据所述软信息的各个维度的量化值，确定所述接收信号对应的解调结果。根据本申请一实施例的方法，可以有效降低低成本器件的不理想特性造成的混合失真以及复杂噪声对太赫兹信号的解调所带来影响，从而解决现有信号解调体制无法保证太赫兹解调性能的问题。兹解调性能的问题。兹解调性能的问题。

【技术实现步骤摘要】
一种太赫兹信号解调方法、装置和电子设备


[0001]本申请涉及智能终端
，特别涉及一种太赫兹信号解调方法、装置和电子设备。

技术介绍

[0002]由于太赫兹波段具有大量可用的频谱资源，能够支持数百Gbps甚至数Tbps的高速传输，满足了未来移动通信对数据传输速率的需求，因此太赫兹通信将成为6G的关键技术之一。
[0003]在太赫兹频段，信号解调面临着严重的技术挑战，主要原因是太赫兹信道特性复杂，传输过程中的衰减特性及射频器件的不理想特性将引起复合噪声和混合失真等问题，进而增大信号解调的难度。其中，太赫兹信道受到热噪声、分子吸收噪声、量子噪声等多种噪声叠加的复合影响，接收信号质量较差，解调误码率较高。同时，太赫兹射频器件的成本较高，往往采用低成本的太赫兹器件及发射结构，如太赫兹射频端所使用的固体电子器件 TMIC(Terahertz Monolithic Integrated Circuit，太赫兹单片集成电路)输出功率低、线性度差，为实现高功率输出需采用固态电子放大器与真空管放大器串联方式，将引入极大的非线性失真，使信号的幅度相位发生变形，使信号判决的难度增大。此外，太赫兹发射机结构中的同相(Inphase)和正交(Quadrature)支路常存在幅度和相位的不平衡引起的I/Q (Inphase/Quadrature，同相/正交)路失衡，使接收信号的EVM(Error Vector Magnitude，误差矢量幅度)增大，增大了信号判决时判决难度。而高频器件的本振不稳定性将会对信号造成相位噪声，相位噪声通常包括了本振/混频器的热噪声、本振/混频器闪烁噪声等，相位噪声将使信号发生进一步的失真，增大系统的误码率。此外，由于路径损耗、分子吸收、器件材料电磁特性及定向传输等，太赫兹信道具有复杂瞬变性，需要对信道特性进行实时补偿，才能保证信号的解调性能，因此需要设计鲁棒的解调算法。
[0004]为了降低信道非理性特性对传输的影响，提高解调判决的准确性，现有工作主要思想是对信道的非理性特性进行补偿，即在解调判决之前对信号失真进行校正，从而改善解调性能。补偿技术的主要过程分为：1)对信道的特性进行估计，2)根据估计的信道特性得到相应的逆特性，通过数字信号处理的方法在信号中加入得到逆特性。在完成信号失真补偿后，再对信号进行解调判决。这里，补偿技术包括发送端补偿技术和接收端补偿技术，发送端补偿主要是针对功放特性非线性进行补偿的预失真技术，该技术通过构建功放非线性模型，并利用反馈链路获得功放输出端的信号，进而对功放模型进行参数估计，最后完成对信号的非线性的补偿。然而，预失真技术需要准确采集功放输出信号，因此对反馈链路的A/D(Analog to Digital，模拟到数字)转换器的精度和采样速率提出了较高要求。但是，太赫兹传输中信号带宽极宽，使用数十G甚至上百G的带宽，A/D采样要求极高，射频链路实现复杂，因此不适合在太赫兹通信中使用。现有的接收端补偿技术主要是信道均衡技术，接收端利用导频数据对信道的特性进行估计，并基于迫零均衡或者MMSE (Minimum Mean Square Error，最小均方误差)均衡的方法对信道特性进行补偿，该方法主要针对信号的码间干扰
进行补偿，无法对器件的非理性特性引起的混合失真进行补偿，解调性能受限。因此，需要一种更优的解调方案以解决太赫兹信道下的信号解调问题。

技术实现思路

[0005]针对现有技术中太赫兹信道下的信号解调问题，本申请提供了一种太赫兹信号解调方法、装置和电子设备，本申请还提供一种计算机可读存储介质。
[0006]本申请实施例采用下述技术方案：
[0007]第一方面，本申请提供一种太赫兹信号解调方法，包括：
[0008]对接收信号进行特征提取，获取神经网络输入数据，其中：所述接收信号为太赫兹信号；所述神经网络输入数据与解调神经网络的输入项相对应；所述解调神经网络为多输出的深度前馈神经网络；所述解调神经网络的输入项包括幅度信息以及相位信息；所述深度前馈神经网络的输出项为多维度的软信息；所述深度前馈神经网络输出的软信息的维度数与所述太赫兹信号对应的解调结果的个数一致；所述解调神经网络用于拟合所述太赫兹信号与所述解调结果之间的映射关系，所述软信息的多个维度用于量化描述当前输入的神经网络输入数据分别与每个所述解调结果之间的映射关系；
[0009]将所述神经网络输入数据输入到所述解调神经网络，以获取所述软信息的各个维度的量化值；
[0010]根据所述软信息的各个维度的量化值，确定所述接收信号对应的解调结果。
[0011]在上述第一方面的一种可行的实现方式中，所述软信息为概率信息，所述软信息的多个维度用于描述，当前输入的神经网络输入数据所对应的接收信号，分别对应每个所述解调结果的概率；
[0012]所述根据所述软信息的各个维度的量化值，确定所述接收信号对应的解调结果，包括：
[0013]将所述软信息中概率值最大的维度所对应的解调结果，确定为所述接收信号所对应的解调结果。
[0014]在上述第一方面的一种可行的实现方式中，所述根据所述软信息的各个维度的量化值，确定所述接收信号对应的解调结果还包括：
[0015]对所述软信息的各个维度的量化值进行归一化处理，以获取多维度的归一化处理结果，其中，所述多维度的归一化处理结果的各个维度的量化值之和为1；
[0016]根据所述多维度的归一化处理结果，确定所述接收信号对应的解调结果。
[0017]在上述第一方面的一种可行的实现方式中，所述软信息为距离信息，所述软信息的多个维度用于描述，当前输入的神经网络输入数据所对应的接收信号，分别与每个所述解调结果所对应的理想判决点间的距离；
[0018]所述根据所述软信息的各个维度的量化值，确定所述接收信号对应的解调结果，包括：
[0019]将所述软信息中距离值最小的维度所对应的解调结果，确定为所述接收信号所对应的解调结果。
[0020]在上述第一方面的一种可行的实现方式中，所述根据所述软信息的各个维度的量化值，确定所述接收信号对应的解调结果之后，所述方法还包括：
[0021]当根据所述软信息的各个维度的量化值，确定所述接收信号对应多个解调结果时，输出错误提示信息。
[0022]在上述第一方面的一种可行的实现方式中，所述解调神经网络与所述接收信号的调制方式相对应，所述软信息的维度数为所述接收信号的调制方式所对应的解调结果的个数。
[0023]在上述第一方面的一种可行的实现方式中，所述解调神经网络的输入项还包括信道特征信息和/或信噪比信息。
[0024]在上述第一方面的一种可行的实现方式中，所述对接收信号进行特征提取，获取神经网络输入数据之前，所述方法还包括：
[0025]获取神经网络序列训练所需的样本集，所述样本集中的每个训练样本由一个样本接收信号对应的神经网络输入输出信息构成，其中，所述神经网络输入输出信息的输入信息包含所述样本接收信号的幅度信息以及相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种太赫兹信号解调方法，其特征在于，包括：对接收信号进行特征提取，获取神经网络输入数据，其中：所述接收信号为太赫兹信号；所述神经网络输入数据与解调神经网络的输入项相对应；所述解调神经网络为多输出的深度前馈神经网络；所述解调神经网络的输入项包括幅度信息以及相位信息；所述深度前馈神经网络的输出项为多维度的软信息；所述深度前馈神经网络输出的软信息的维度数与所述太赫兹信号对应的解调结果的个数一致；所述解调神经网络用于拟合所述太赫兹信号与所述解调结果之间的映射关系，所述软信息的多个维度用于量化描述当前输入的神经网络输入数据分别与每个所述解调结果之间的映射关系；将所述神经网络输入数据输入到所述解调神经网络，以获取所述软信息的各个维度的量化值；根据所述软信息的各个维度的量化值，确定所述接收信号对应的解调结果。2.根据权利要求1所述的方法，其特征在于，所述软信息为概率信息，所述软信息的多个维度用于描述，当前输入的神经网络输入数据所对应的接收信号，分别对应每个所述解调结果的概率；所述根据所述软信息的各个维度的量化值，确定所述接收信号对应的解调结果，包括：将所述软信息中概率值最大的维度所对应的解调结果，确定为所述接收信号所对应的解调结果。3.根据权利要求2所述的方法，其特征在于，所述根据所述软信息的各个维度的量化值，确定所述接收信号对应的解调结果还包括：对所述软信息的各个维度的量化值进行归一化处理，以获取多维度的归一化处理结果，其中，所述多维度的归一化处理结果的各个维度的量化值之和为1；根据所述多维度的归一化处理结果，确定所述接收信号对应的解调结果。4.根据权利要求1所述的方法，其特征在于，所述软信息为距离信息，所述软信息的多个维度用于描述，当前输入的神经网络输入数据所对应的接收信号，分别与每个所述解调结果所对应的理想判决点间的距离；所述根据所述软信息的各个维度的量化值，确定所述接收信号对应的解调结果，包括：将所述软信息中距离值最小的维度所对应的解调结果，确定为所述接收信号所对应的解调结果。5.根据权利要求1～4中任一项所述的方法，其特征在于，所述根据所述软信息的各个维度的量化值，确定所述接收信号对应的解调结果之后，所述方法还包括：当根据所述软信息的各个维度的量化值，确定所述接收信号对应多个解调结果时，输出...

【专利技术属性】
技术研发人员：何东轩，王昭诚，王琪，余小勇，
申请(专利权)人：清华大学，
类型：发明
国别省市：