基于CVGAN的畸变通信复信号抗干扰中频生成方法技术

本发明专利技术公开了一种基于CVGAN的畸变通信复信号抗干扰中频生成方法。本发明专利技术核心是特殊结构的对抗网络，解决复信号生成问题，使接收的畸变射频信号通过该网络能够去除干扰，生成抗干扰中频信号，通过该生成的抗干扰中频信号，接收端可以完成中频信号完整性校验与射频指纹识别，完成校验与识别后的中频信号，能够被提取到基带，进一步完成基带信息的解析。进一步完成基带信息的解析。进一步完成基带信息的解析。

【技术实现步骤摘要】
基于CVGAN的畸变通信复信号抗干扰中频生成方法


[0001]本专利技术涉及无线电通信
，具体涉及一种基于CVGAN的畸变通信复信号抗干扰中频生成方法。

技术介绍

[0002]随着无线设备的发展与数量的增加，各行各业都开始采用无线方式进行信息互联。为了抵抗环境干扰、射频电磁干扰、以及通信信道衰落等问题，无线设备通常采用高频信号对信息进行承载并传输。无线通信信号接收端，通常先利用一次下变频技术，将接受信号变为高频与基带之间的中频信号，然后通过一系列处理方式，将中频信号再一次下变频到基带信号，基带信号则为1与0的编码模式，通过基带信号就能够对通信信号承载的信息进行解析。因此，接收中频信号的稳定性与可靠性，直接影响后期基带信息解析的准确性与可靠性。
[0003]真实传输环境，通常都存在各种电磁干扰，而导致射频传输信号出现畸变，使接收中频信号恢复异常，以至于无法进行信息解析，严重影响无线通信的可靠性与安全性，特别是在航空管制、无人机控制以及车联网信息传输等。无线射频信号通常存在两个问题需要平衡：1.高频信号极易受到多普勒效应干扰，物体的运动很容易对射频信号波形造成干扰，以至于接收端无法解析高频信号的信息；2.高频信号如果降低频率，则存在运载信息效率低，以及抗其他干扰差的问题。因此，高效利用无线设备的射频信号，需要信号接收端中频接收能力具有极强的抗干扰性，能够快速恢复畸变射频信号的抗干扰中频，保证通信接收端对射频信号的后期验证与解析，然后通过“干净”的中频信号恢复基带信号并对基带信息进行正确解码。
[0004]接恢复基带信号的缺点：专利CN 112202529 B中，在对严重畸变的无线通信信号进行恢复的时候，通过直接恢复基带信号进行基带信息的解析。但是在没有对中频信号进行抗干扰恢复的情况下，直接恢复基带传输信息的准确性极低。首先，如果畸变中频信号的校验位出现了严重畸变，则在解析基带信号的时候，无法通过信号的完整校验与安全校验；其次在无线设备发展的今天，通常都会在前端对中频信号进行射频身份识别，而射频身份识别，通常是利用接收中频信号进行识别。因此，传统的、以及现有的直接恢复基带信息的做法存在很大的不可靠性。畸变射频信号恢复抗干扰中频信号最大的难点在于：1.中频波形点值的随机性难以恢复；2.复信号虚实两路的相位关系难恢复。因此，目前没有基于畸变射频信号的抗干扰中频生成设备。

技术实现思路

[0005]针对现有技术中的上述不足，本专利技术提供的一种基于CVGAN的畸变通信复信号抗干扰中频生成方法解决了基于畸变射频信号的抗干扰中频生成的问题。
[0006]为了达到上述专利技术目的，本专利技术采用的技术方案为：一种基于CVGAN的畸变通信复信号抗干扰中频生成方法，其特征在于，包括以下步骤：
[0007]S1、通过接收终端接收不同终端、不同种类的射频复信号，对所有射频信号进行下采样，变频到中频，生成干扰中频信号库，作为干扰数据集；
[0008]S2、对接收信号中常用信号种类进行中频信号仿真，生成标准中频信号库，作为标准数据集；
[0009]S3、对干扰数据集与标准数据集分别采用上采样或下采样的方式进行信号长度对齐，使所有的中频信号保持在相同长度；
[0010]S4、建立集成对抗网络G，将干扰中频信号与标准中频信号，同时输入集成对抗网络G，由G根据标准中频信号，将干扰中频信号中的干扰波形提取出来，形成抗干扰中频信号；G集成了两个对抗生成网络A和B，对抗生成网络A输入标准信号实部与干扰信号实部的组合矩阵，提取干扰信号实部的干扰波形，生成干扰信号实部的抗干扰实部波形；对抗生成网络B输入标准信号虚部与干扰信号虚部的组合矩阵，提取干扰信号虚部的干扰波形，生成干扰信号虚部的抗干扰虚部波形；
[0011]S5、建立复信号融合方程，将抗干扰实虚部波形融合为复信号的实数表达式；
[0012]S6、建立监督器C，用于监督A和B生成的抗干扰实部波形与抗干扰虚部波形的相位关系，使得实部和虚部之间始终保持标准信号的约束关系；生成的抗干扰实虚部通过融合方程得到抗干扰复信号的实数表达式1，标准中频信号的实虚部通过融合方程得到标准复信号的实数表达式2，将这两个实数表达式输入C，C对表达式1输出0，对表达式2输出1；
[0013]S7、联合训练G和C为CVGAN的完整结构，通过监督器C的输出结果反复刺激G生成中频抗干扰复信号的实部和虚部，直到监督器C无法分辨表达式1和表达式2。
[0014]进一步地：还包括步骤S8、通过不同设备发射的信号，将数据按照发射设备进行标注，对这些信号进行严格干扰去除；将这些去除干扰后的数据，按比例划分为训练集和测试集；将测试集加入人为设置的干扰，信噪比按照10db到
‑
20db，多普勒频移按照0到最大频偏公式计算的最大频偏，进行干扰；通过标准训练集训练一个深度学习网络模型D识别信号类别；干扰测试集通过过训练好的G模型生成的抗干扰信号，输入到D，通过D对抗干扰生成复信号的识别准确率评估抗干扰复信号的生成准确度。
[0015]进一步地：所述对抗生成网络A由Ag网络模型和Ad网络模型组成，对抗生成网络B由Bg网络模型和Bd网络模型组成，g代表生成网络，d代表判别网络。
[0016]进一步地：所述对抗生成网络A的建立方法为：
[0017]A1.设标准中频信号为x
base
，干扰中频信号为x
noise
，生成的抗干扰中频信号为x
noise
‑
Ag(x
noise
)，其中Ag(x
noise
)为生成网络学习提取的干扰因子；
[0018]A2.建立边界损失函数，用于训练Ag网络模型与Ad网络模型，边界损失函数L
binary
(Y，Y
pred
)具体为：
[0019][0020]上式中，Y
pred
为网络模型输出预测值，Y为真实值，为Y
pred
数组中的值，y
i
为Y数组中的值，L
binary
为损失函数，n为输出值的总长度；
[0021][0022][0023][0024]上式中，Y
fake
为全0数组代表为假，为Ag的[生成信号，生成噪声值]数组，输入Ad网络得到的判别值，利用L
Ad
计算使和的值趋近于0，从而激励Ad能够正确识别生成值；Y
real
为全1数组代表为真，为Ag的[真实信号值，真实噪声值]数组，输入Ad网络得到的判别值，利用L
Ad
计算使中的值接近于1，从而使Ad网络能够识别信号与噪声的真实值；I为标准信号实部，I
′
为干扰信号实部；
[0025]A4.建立Ag的目标函数L
Ag
；
[0026][0027][0028]上式中，为Ad的[生成信号，生成噪声值]数组，输入Ag网络得到的判别值，L本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CVGAN的畸变通信复信号抗干扰中频生成方法，其特征在于，包括以下步骤：S1、通过接收终端接收不同终端、不同种类的射频复信号，对所有射频信号进行下采样，变频到中频，生成干扰中频信号库，作为干扰数据集；S2、对接收信号中常用信号种类进行中频信号仿真，生成标准中频信号库，作为标准数据集；S3、对干扰数据集与标准数据集分别采用上采样或下采样的方式进行信号长度对齐，使所有的中频信号保持在相同长度；S4、建立集成对抗网络G，将干扰中频信号与标准中频信号，同时输入集成对抗网络G，由G根据标准中频信号，将干扰中频信号中的干扰波形提取出来，形成抗干扰中频信号；G集成了两个对抗生成网络A和B，对抗生成网络A输入标准信号实部与干扰信号实部的组合矩阵，提取干扰信号实部的干扰波形，生成干扰信号实部的抗干扰实部波形；对抗生成网络B输入标准信号虚部与干扰信号虚部的组合矩阵，提取干扰信号虚部的干扰波形，生成干扰信号虚部的抗干扰虚部波形；S5、建立复信号融合方程，将抗干扰实虚部波形融合为复信号的实数表达式；S6、建立监督器C，用于监督A和B生成的抗干扰实部波形与抗干扰虚部波形的相位关系，使得实部和虚部之间始终保持标准信号的约束关系；生成的抗干扰实虚部通过融合方程得到抗干扰复信号的实数表达式1，标准中频信号的实虚部通过融合方程得到标准复信号的实数表达式2，将这两个实数表达式输入C，C对表达式1输出0，对表达式2输出1；S7、联合训练G和C为CVGAN的完整结构，通过监督器C的输出结果反复刺激G生成中频抗干扰复信号的实部和虚部，直到监督器C无法分辨表达式1和表达式2。2.根据权利要求1所述的基于CVGAN的畸变通信复信号抗干扰中频生成方法，其特征在于，还包括步骤S8、通过不同设备发射的信号，将数据按照发射设备进行标注，对这些信号进行严格干扰去除；将这些去除干扰后的数据，按比例划分为训练集和测试集；将测试集加入人为设置的干扰，信噪比按照10db到
‑
20db，多普勒频移按照0到最大频偏公式计算的最大频偏，进行干扰；通过标准训练集训练一个深度学习网络模型D识别信号类别；干扰测试集通过训练好的G模型生成的抗干扰信号，输入到D，通过D对抗干扰生成复信号的识别准确率评估抗干扰复信号的生成准确度。3.根据权利要求1所述的基于CVGAN的畸变通信复信号抗干扰中频生成方法，其特征在于，所述对抗生成网络A由Ag网络模型和Ad网络模型组成，对抗生成网络B由Bg网络模型和Bd网络模型组成，g代表生成网络，d代表判别网络。4.根据权利要求1所述的基于CVGAN的畸变通信复信号抗干扰中频生成方法，其特征在于，所述对抗生成网络A的建立方法为：A1.设标准中频信号为x
base
，干扰中频信号为x
noise
，生成的抗干扰中频信号为x
noise
‑
Ag(x
noise
)，其中Ag(x
noise
)为生成网络学习提取的干扰因子；A2.建立边界损失函数，用于训练Ag网络模型与Ad网络模型，边界损失函数L
binary
(Y,Y
pred
)具体为：
上式中，Y
pred
为网络模型输出预测值，Y为真实值，为Y
pred
数组中的值，y
i
为Y数组中的值，L
binary
为损失函数，n为输出值的总长度；A3.建立Ad网络模型的目标函数L
Ad
；；；上式中，Y
fake
为全0数组代表为假，为Ag的[生成信号，生成噪声值]数组，输入Ad网络得到的判别值，利用L
Ad
计算使中的值趋近于0，从而激励Ad能够正确识别生成值；Y
real
为全1数组代表为真，为Ag的[真实信号值，真实噪声值]数组，输入Ad网络得到的判别值，利用L
Ad
计算使中的值接近于1，从而使Ad网络能够识别信号与噪声的真实值；I为标准信号实部，I
′
为干扰信号实部；A4.建立Ag的目标函数L
Ag
；；上式中，为Ad的[生成信号，生成噪声值]数组，输入Ag网络得到的判别值，L
Ag
通过该函数减小与Y
real
的值，从而使Ag的使Ad网络误判为真；为Ad的[真实信号值，真实噪声值]数组，输入Ag网络得到的判别值；通过L
Ag
与L
Ad
的相互拉扯，从而刺激Ag与Ad都更加健硕；A5.建立干扰因子的幅度监督函数，使生成的干扰因子始终不超过阈值c，计算幅度损失值失值上式中，为在x
nosie
域的该函数的平均期望值，||Ag(I
′
)||2为干扰因子Ag(I
′
)二模值；A6.建立生成数据与真实数据计算的损失函数其中，N为Y总长度；A7.增加监督干扰因子生成函数，使去除干扰因子的抗干扰中频波形更接近于标准无干扰波形，计算损失函数
上式中，为在(x
nosie
,x
...

【专利技术属性】
技术研发人员：曾蜜艺，
申请(专利权)人：四川九洲电器集团有限责任公司，
类型：发明
国别省市：