一种基于降噪网路的OFDM-IM信号检测方法技术

本发明专利技术属于无线通信的信号检测领域，具体涉及一种基于降噪网路的OFDM

【技术实现步骤摘要】
一种基于降噪网路的OFDM
‑
IM信号检测方法


[0001]本专利技术属于无线通信的信号检测领域，具体涉及一种基于降噪网路的OFDM
‑
IM信号检测方法。

技术介绍

[0002]正交频分复用技术，由于其具有较高的频谱利用率，良好的抗多径衰落等优点，在4G和5G领域成为了关键的技术之一。近年来，索引调制OFDM(OFDM
‑
Index Modulation,OFDM
‑
IM)的出现已经成为一种取代或者补充现有OFDM系统的一种调制方式，在OFDM
‑
IM系统中，将OFDM的调制维度从一个扩展到两个。OFDM
‑
IM将所有的子载波分为两部分，一部分为静默子载波，另一部分是激活子载波，激活子载波上放置调制好的星座点信息，静默和非静默的载波当然也可以携带额外的信息。索引调制OFDM和传统的OFDM相比有许多优点，首先，OFDM
‑
IM调制可以在频谱效率和传输性能上进行折衷。其次，在发送OFDM
‑
IM信号时相比于OFDM信号有更低的峰均比。最后，OFDM
‑
IM信号大大减少了载波间干扰，提升了系统的鲁棒性。总之，OFDM
‑
IM技术有着很好的应用前景，值得我们去深入探究。
[0003]在OFDM
‑
IM系统中，针对信号检测研究，学者们利用机器学习对OFDM
‑
IM信号进行检测，同时降噪技术发展极大地促进了通信的发展。
[0004]Soltani等人(M.Soltani,V.Pourahmadi,A.Mirzaei and H.Sheikhzadeh,"Deep Learning
‑
Based Channel Estimation,"in IEEE Communications Letters,vol.23,no.4,pp.652
‑
655,April 2019,doi:10.1109/LCOMM.2019.2898944.)提出了一种两级级联的网络ChannelNet，该网络将导频等效为低分辨率的图像，通过超分辨率算法提升分辨率并通过DNCNN网络(K.Zhang,W.Zuo,Y.Chen,D.Meng and L.Zhang,"Beyond a Gaussian Denoiser:Residual Learning of Deep CNN for Image Denoising,"in IEEE Transactions on Image Processing,vol.26,no.7,pp.3142
‑
3155,July 2017,doi:10.1109/TIP.2017.2662206.)的降噪，最终实现信道的估计。这一研究表明，降噪技术对提升通信的性能有着重要的研究价值，尤其是深度学习降噪技术的发展对通信领域的研究起着越来越重要的作用。
[0005]T.V.Luong等人(T.V.Luong,Y.Ko,N.A.Vien,D.H.N.Nguyen,and M.Matthaiou,“Deep learning
‑
based detector for OFDM
‑
IM,”IEEE Wireless Commun.Lett.,vol.8,no.4,pp.1159
–
1162,Aug.2019.)提出了一种基于机器学习的OFDM
‑
IM检测器，该论文利用深度学习的方法对OFDM
‑
IM系统进行信号检测，可以用非常低的模型训练时间来达到接近最佳的误码率性能。虽然该方法可以在用低复杂度的网络来有效的恢复出信息，但是在降低误码率性能方面却没有明显的提升。
[0006]综合当前OFDM
‑
IM信号检测的研究情况，发现在利用降噪网络和检测网络进行信号检测的过程中仍存在一些挑战：
[0007]1.降噪信号虽然噪声减小，但是其能量分布也有可能对激活载波的位置产生错误判决，能量分布对判断激活子载波的位置起到辅助作用，对信号的检测至关重要；
[0008]2.针对预处理后信号样本的多样性不够等问题，有限的噪声分布会限制模型的学习范围，这样就无法应对更加复杂的噪声环境，因此在模型训练阶段丰富信号的噪声对提升网络的泛化能力至关重要。

技术实现思路

[0009]为解决上述技术问题，本专利技术提出一种基于降噪网路的OFDM
‑
IM信号检测方法，包括：
[0010]S1：获取接收信号Y和发送信号X和信道信息H，通过信道信息H对接收信号Y进行预处理，得到二维格式的均衡信号
[0011]S2：对二维格式的均衡信号的静默子载波上的信号进行数据增强,得到的增强后的均衡信号
[0012]S3：构建降噪网络，通过增强后的均衡信号和以发送信号X为标签对降噪网络进行训练。
[0013]S4：将二维格式的均衡信号输入训练好的降噪网络进行数据降噪，得到降噪后的信号和降噪后的信号的能量分布；
[0014]S5：对降噪后的信号的能量分布进行重构；
[0015]S6：构建检测网络，并对检测网络进行训练；
[0016]S7：利用训练好的检测网络对降噪后的信号进行检测，并通过重构能量分布判断激活载波的位置，得到信号估计的值对信号估计的值进行判决，得到到估计的比特流
[0017]本专利技术的有益效果：
[0018]本专利技术考虑到降噪后信号的IQ信号可能改变原信号分布象限，为更好判决激活载波位置，设计了一种降噪信号与接收信号的联合判决方法，针对预处理后信号样本的多样性不够等问题，考虑到数据增强可以丰富信号的噪声，通过模型训练阶段强化静默子载波的方法来增强模型的泛化能力，进一步提升降噪的性能。
附图说明
[0019]图1为本专利技术的基于降噪网路的OFDM
‑
IM信号检测方法示意图；
[0020]图2为本专利技术的基于降噪网路的OFDM
‑
IM信号检测模型示意图。
具体实施方式
[0021]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0022]一种基于降噪网路的OFDM
‑
IM信号检测方法，如图1所示，包括：
[0023]S1：获取接收信号号Y和发送信号X和信道信息H，通过信道信息H对接收信号Y进行
预处理，得到二维格式的均衡信号
[0024]S2：对二维格式的均衡信号的静默子载波上的信号进行数据增强,得到的增强后的均衡信号
[0025]S3：构建降噪网络，通过增强后的均衡信号本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于降噪网路的OFDM
‑
IM信号检测方法，其特征在于，包括：S1：获取接收信号Y和发送信号X和信道信息H，通过信道信息H对接收信号Y进行预处理，得到二维格式的均衡信号S2：对二维格式的均衡信号的静默子载波上的信号进行数据增强,得到的增强后的均衡信号S3：构建降噪网络，通过增强后的均衡信号和以发送信号X为标签对降噪网络进行训练；S4：将二维格式的均衡信号输入训练好的降噪网络进行数据降噪，得到降噪后的信号和降噪后的信号的能量分布；S5：对降噪后的信号的能量分布进行重构；S6：构建检测网络，并对检测网络进行训练；S7：利用训练好的检测网络对降噪后的信号进行检测，并通过重构能量分布判断激活载波的位置，得到信号估计的值对信号估计的值进行判决，得到估计的比特流2.根据权利要求1所述的一种基于降噪网路的OFDM
‑
IM信号检测方法，其特征在于，对二维格式的均衡信号的静默子载波上的信号进行数据增强，包括：其中，表示增强后的均衡信号，n1、分别表示静默载波位置1、N
L
的噪声分布,为均衡信号的实部,为均衡信号的虚部。3.根据权利要求1所述的一种基于降噪网路的OFDM
‑
IM信号检测方法，其特征在于，所述降噪网络，包括：由20个卷积层组成的CNN结构，第一层使用64个大小为3x3x1的过滤器，后面是一个Relu激活函数，随后的18个卷积层都使用64个大小为3x3x64的滤波器，然后进行批处理归一化，激活函数同样为Relu函数，最后一层使用一个3x3x64滤波器重建输出。4.根据权利要求1所述的一种基于降噪网路的OFDM
‑
IM信号检测方法，其特征在于，通过增强后的均衡信号和以发送信号X为标签对降噪网络进行训练，包括：其中，Loss1表示降噪网络的损失函数，M1表示降噪网络的训练集大小，Ψ表示降噪网络的输出，X表示发送信号，|| ||表示求范数操作。5.根据权利要求1所述的一种基于降噪网路的OFDM
‑
IM信号检测方法，其特征在于，将二维格式的均衡信号输入训练好的降噪网络进行数据降噪，包括：降噪后的信号：Y
de
＝f
DE
(θ
DE
；Y/H)其中，Y
...

【专利技术属性】
技术研发人员：段思睿，刘建成，余翔，庞育才，肖云鹏，王蓉，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：