一种5G通信系统多频段信号融合过滤方法技术方案

本发明专利技术属于5G信号处理领域，具体涉及一种5G通信系统多频段信号融合过滤方法。本发明专利技术包括：接收5G通信系统的多频段子带的信号变量，构建接收端的多频段子带信号；分辨目标信号、已知干扰信号以及噪声信号；进行带通滤波，然后通过数模转换器进行模数转换；通过数据集和标签集训练深度神经网络，并进行同频信号对消实现信号过滤。本发明专利技术将深度神经网络用于信号融合过滤，将多子带包络和全距离包络分别作为训练数据与标签送入深度训练，可以将任意一组信号输入训练好的模型，进行信号处理，极大提高了系统分辨率和信号的利用率。高了系统分辨率和信号的利用率。高了系统分辨率和信号的利用率。

【技术实现步骤摘要】
一种5G通信系统多频段信号融合过滤方法


[0001]本专利技术属于5G信号处理领域，具体涉及一种5G通信系统多频段信号融合过滤方法。

技术介绍

[0002]随着5G通信技术的发展，在常规环境中2G
‑
5G等通信信号也越来越复杂。尤其在低频段，带宽的使用频率更高，信号形式也更复杂。在接收5G通信信号时，会同时接收到例如导航信号等其他形式的信号，严重时，甚至会导致5G信号淹没在这些干扰信号中。为了更精准的辨识5G信号，在接收端就要过滤已知信号以降低这些信号对目标信号的影响。经过检索，目前还没有特别明确的真的对5G通信信号进行过滤的方法。

技术实现思路

[0003]本专利技术的目的在于提供一种5G通信系统多频段信号融合过滤方法。
[0004]本专利技术的目的是这样实现的：
[0005]一种5G通信系统多频段信号融合过滤方法，包括如下步骤：
[0006](1)接收5G通信系统的多频段子带的信号变量，构建接收端的多频段子带信号；
[0007](2)将多频段子带信号进行解调得到基带信号；
[0008](3)获得多频段子带信号的距离包络作为训练数据集，获得全频带信号作为训练标签集；
[0009](4)分辨目标信号、已知干扰信号以及噪声信号；
[0010](5)进行带通滤波，然后通过数模转换器进行模数转换；
[0011](6)通过数据集和标签集训练深度神经网络，并进行同频信号对消实现信号过滤。
[0012]所述的步骤(1)包括：
[0013](1.1)采集多频段子带信号的散射源数目z，第i个散射源的散射强度N
i
，z≥i≥1，信号载频频率s
p
，信号发送时间g，时宽G
e
，信号带宽O，散射源距离E
z
；
[0014](1.2)确定多频段子带信号的调频率X、信号时间延迟η
z
[0015][0016][0017]c为光速
[0018](1.3)构建接收端的多频段子带信号：
[0019][0020]j为虚数。
[0021]所述的步骤(2)包括：
[0022](2.1)构建参考信号：
[0023][0024](2.2)采集基带信号的采样点数：
[0025]A＝s
p
·
G
e
；
[0026](2.3)构建基带信号：
[0027][0028]*为共轭计算。
[0029]所述的步骤(3)包括：
[0030](3.1)采集宽带信号的采样点数A
c
、子带信号的采样点数A0，为噪声序列a
i
(a)；
[0031](3.2)确定训练数据集：
[0032][0033]IDFT为逆离散傅里叶变换；
[0034](3.3)确定训练标签集：
[0035]T
label
(a)＝|IDFT{[f
3i
‑1(a)+a
i
(a)],A
c
}|。
[0036]所述的步骤(4)包括：
[0037](4.1)提取发射信号的功率测试信号在传递过程中的衰减系数x
k
、目标信号的中心频率s
fp
和目标信号的初相
[0038](4.2)对基带信号进行信号重整，提取出目标信号f(g)、干扰信号q(g)以及噪声信号a(g)；
[0039][0040][0041]a(g)为高斯白噪声，O
B
为二进制相移键控BPSK调制形式；
[0042](4.3)接收端接收到的信号为：
[0043]l(g)＝f(g)+q(g)+a(g)。
[0044]所述的步骤(5)包括：
[0045]接收天线接收到信号后，经过带通滤波器以及低噪声放大器对接收端接收到的信号进行提取与放大，放大的信号与本地载波相乘后过低通滤波器经过带通滤波、AD模数转换后得到深度神经网络的输入数据集。
[0046]所述的步骤(6)包括：
[0047]深度神经网络总层数为N1、迭代步长为α、最大迭代次数为m、停止迭代阈值为ε，当各隐藏层与输出层的线性关系系数矩阵为W和偏倚向量为b变化值都小于停止迭代阈值ε时，输出W和b作为模型的线性关系系数矩阵和偏倚向量；
[0048][0049][0050]a
i,k
＝σ(z
i,k
)＝σ(W
k
a
i,k
‑1+b
k
)
[0051][0052]a1为输入层的输入，a1＝[T
input
(a),T
label
(a)]；a
i,k
表示第i组数据在第k层的输出；(x
i
,y
i
)表示第i组训练样本，训练数据集中的第i个元素x
i
与训练标签集中第i个元素y
i
组成第i个训练样本(x
i
,y
i
)；σ表示前向传播激活函数；W
k
表示第k层的线性关系系数向量；b
k
表示第k层的偏倚向量；δ
i,k
表示z
i,k
的梯度；符号T表示矩阵求转置；符号表示矩阵求Hadamard乘积，σ
′
(.)表示前向传播激活函数的导数；z
i,k
表示第i组数据在第k层的输入；
[0053]每次训练计算损失函数：
[0054][0055]y_pred是神经网络的预测值，y_true是标签的真实值，N是每个样本中的总点数；
[0056]将基带信号送入到训练好的深度学习神经网络模型中进行处理，得到输出目标信号。
[0057]本专利技术的有益效果在于：
[0058]本专利技术旨在针对在接收端与目标信号同频的干扰信号对5G通信系统多频段信号影响的问题，通过对通信系统接收信号模型进行分析，建立基于深度学习的同频信号的消除模型，提出了一种信号融合过滤方法。本专利技术将深度神经网络用于信号融合过滤，将多子带包络和全距离包络分别作为训练数据与标签送入深度训练，可以将任意一组信号输入训练好的模型，进行信号处理，极大提高了系统分辨率和信号的利用率，并且获得融合后的高分辨率全频带信号，同时使用深度神经网络学习设置的参考信号和干扰信号之间的关系，通过训练好的网络模型，省去传统方法估计信号所需的步骤，减少了子带预测过程中产生的误差，实现对较强的同频信号进行有效消除，以此提高信息传输过程中对频谱的使用效率，降低同频的已知干扰对接收目标信号的影响，经过训练的网络融合后可以批量获得更多的过滤结果，而且由网络训练的批量数据组成的均方根误差值小于传统方法中单个数据的均方根误差值，因此精度更高。
附图说明
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种5G通信系统多频段信号融合过滤方法，其特征在于，包括如下步骤：(1)接收5G通信系统的多频段子带的信号变量，构建接收端的多频段子带信号；(2)将多频段子带信号进行解调得到基带信号；(3)获得多频段子带信号的距离包络作为训练数据集，获得全频带信号作为训练标签集；(4)分辨目标信号、已知干扰信号以及噪声信号；(5)进行带通滤波，然后通过数模转换器进行模数转换；(6)通过数据集和标签集训练深度神经网络，并进行同频信号对消实现信号过滤。2.根据权利要求1所述的一种5G通信系统多频段信号融合过滤方法，其特征在于，所述的步骤(1)包括：(1.1)采集多频段子带信号的散射源数目z，第i个散射源的散射强度N
i
，z≥i≥1，信号载频频率s
p
，信号发送时间g，时宽G
e
，信号带宽O，散射源距离E
z
；(1.2)确定多频段子带信号的调频率X、信号时间延迟η
zz
c为光速；(1.3)构建接收端的多频段子带信号：j为虚数。3.根据权利要求1所述的一种5G通信系统多频段信号融合过滤方法，其特征在于，所述的步骤(2)包括：(2.1)构建参考信号：(2.2)采集基带信号的采样点数：A＝s
p
·
G
e
；(2.3)构建基带信号：*为共轭计算。4.根据权利要求1所述的一种5G通信系统多频段信号融合过滤方法，其特征在于，所述的步骤(3)包括：(3.1)采集宽带信号的采样点数A
c
、子带信号的采样点数A0，为噪声序列a
i
(a)；(3.2)确定训练数据集：
IDFT为逆离散傅里叶变换；(3.3)确定训练标签集：T
label
(a)＝|IDFT{[f
3i
‑1(a)+a
i
(a)],A
c
}|。5.根据权利要求1所述的一种5G通信系统多频段信号融合过滤方法，其特征在于，所述的步骤(4)包括：(4.1)提取发射信号的功率测试信号在传递过程中的衰减系数x
k
、目标信号的中心频率s
fp
和目标信号的初相(4.2)对基带信号进行信号重整，提取出目标信号f(g)、干扰信号q(g)以及噪声信号a(g)；(g)；a(g)为高斯白噪声，O
B
为二进制相移键控BPSK调制形式；(4.3)接收端接收到的信号为：l...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：