基于串并混合模型特征融合的AI赋能定时同步方法技术

本发明专利技术公开了一种基于串并混合模型特征融合的AI赋能定时同步方法，所述方法包括：首先，接收信号经过并行的神经子网络支路1和支路2处理，得到第一定时度量和第二定时度量；接着将第一定时度量与第二定时度量送入特征融合模块进行特征融合；最后，将融合得到的定时度量送入串行神经子网络进行降噪处理，完成定时偏移估计。本发明专利技术的方法不仅可以提高定时同步性能，而且与现有的基于神经网络的方法相比，其具有更简单的网络架构和更好的泛化性能。

【技术实现步骤摘要】

技术介绍

1、随着5g/6g的发展，更高的数据速率、更低的延迟、更大的容量和更广的覆盖范围等成为了无线通信技术新的要求。正交频分复用(ofdm)凭借其出色的抗多径传播和干扰能力、高频谱效率以及高可靠性等优势，仍被认为是实现这些要求的主要技术。在ofdm系统中，多径干扰会导致信号传播中的时延扩展、衰落效应和符号间干扰等问题，影响到接收端对信号的正确解读和数据的可靠传输。正确的定时同步可以减少多径传播对信号造成的干扰，提高系统的抗干扰能力，保证数据的正确接收和解调。经典的定时同步方法(例如s&c)在面对较强多径干扰或噪声的情况下会遇到挑战，基于神经网络的定时同步方法，虽然提高了定时同步性能，但在实际场景中系统的泛化性问题丞待解决。

技术实现思路

1、本专利技术的目的旨在提供一种基于串并混合模型特征融合的ai赋能定时同步方法，该方法与现有的经典定时同步方法和基于神经网络的定时同步方法相比，利用并行和串行两条支路提取接收信号重要特征以及进行降噪处理，进而提高了定时同步的正确性以及网络的泛化性。

本文档来自技高网...

【技术保护点】

1.基于串并混合模型特征融合的AI赋能定时同步方法，其特征在于，所述的方法包括以下步骤：

2.根据权利要求1所述的基于串并混合模型特征融合的AI赋能定时同步方法，其特征在于，所述的ClaTimSyn-Net、DatDrivSyn-Net和DeNoise-Net三个子网络结构均包括：CNN、DNN、ELM、LSTM。

3.根据权利要求1所述的基于串并混合模型特征融合的AI赋能定时同步方法，其特征在于，所述步骤S1包括以下子步骤：

4.根据权利要求1所述的基于串并混合模型特征融合的AI赋能定时同步方法，其特征在于，所述步骤S2包括以下子步骤：

...

【技术特征摘要】

1.基于串并混合模型特征融合的ai赋能定时同步方法，其特征在于，所述的方法包括以下步骤：

2.根据权利要求1所述的基于串并混合模型特征融合的ai赋能定时同步方法，其特征在于，所述的clatimsyn-net、datdrivsyn-net和denoise-net三个子网络结构均包括：cnn、dnn、elm、lstm。

3.根据权利要求1所述的基于串并混合模型特征融合的ai赋能定时同步方法，其特征在于，所述步骤s1包括以下子步骤：

4.根据权利...

【专利技术属性】
技术研发人员：卿朝进，赵倩，黄玉鑫，杨娜，赵桂毅，
申请(专利权)人：西华大学，
类型：发明
国别省市：