一种基于卷积神经网络的多载波波形识别方法技术

本发明专利技术针对现有技术的局限性，提出了一种基于卷积神经网络的多载波波形识别方法，针对OFDM、W

【技术实现步骤摘要】
一种基于卷积神经网络的多载波波形识别方法


[0001]本专利技术涉及无线通信中的波形识别
，具体地，涉及一种基于卷积神经网络的多载波波形识别方法。

技术介绍

[0002]一直以来，OFDM技术被广泛应用于传统长期演进系统(Long Term Evolution，LTE)中，而5G的三大应用场景增强移动宽带(enhanced Mobile BroadBand，eMBB)、海量机器通信(massive Machine
‑
Type
‑
Communications，mMTC)、超高可靠低时延通信(ultra
‑
Reliable Low
‑
Latency Communications，uRLLC)对传输波形提出了更高的要求。近年来，为了满足通信系统更高的要求，多种新型多载波波形被提出，例如：W
‑
OFDM、F
‑
OFDM、FBMC、UFMC和GFDM等。然而，目前还没有一种多载波波形可以适用于所有的应用场景，因此多种多载波波形共存是未来通信场本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的多载波波形识别方法，其特征在于，包括以下步骤：S1，获取待识别波形的接收信号；S2，运用预设的第一卷积神经网络模型对所述接收信号划按照第一类波形与第二类波形进行二分类；其中，所述第一类波形涵盖OFDM、W
‑
OFDM以及F
‑
OFDM三种波形；所述第二类波形涵盖FBMC、GFDM以及UFMC三种波形；S3，对在所述步骤S2中划分为第一类波形的波形信号进行离散傅里叶变换以及Haar小波变换，输入预设的第二卷积神经网络模型进行三分类，获得所述接收信号在OFDM、W
‑
OFDM以及F
‑
OFDM三种波形上的分类结果；S4，对在所述步骤S2中划分为第二类波形的波形信号进行傅里叶变换，输入预设的第三卷积神经网络模型进行三分类，获得所述接收信号在FBMC、GFDM以及UFMC三种波形上的分类结果。2.根据权利要求1所述的基于卷积神经网络的多载波波形识别方法，其特征在于，在执行所述步骤S2之前，先对所述接收信号进行归一化处理。3.根据权利要求1所述的基于卷积神经网络的多载波波形识别方法，其特征在于，所述第一卷积神经网络模型、第二卷积神经网络模型以及第三卷积神经网络模型分别由依序两层卷积层以及两层全连接层构成。4.根据权利要求3所述的基于卷积神经网络的多载波波形识别方法，其特征在于，第一层卷积层中采用了128个大小为1
×
3的滤波器，并以线性整流单元作为激活层。5.根据权利要求3所述的基于卷积神经网络的多载波波形识别方法，其特征在于，第二层卷积层中采用了64个大小为1
×
3的滤波器以及激活层ReLU。6.根据权利要求3所述的基于卷积神经网络的多载波波形识别方法，其特征在于，第一层全连接层具有128个神经元...

【专利技术属性】
技术研发人员：陈艺莎，伍沛然，夏明华，
申请(专利权)人：中山大学，
类型：发明
国别省市：