【技术实现步骤摘要】
本专利技术属于通信，更进一步涉及非合作帧同步通信中的一种基于缩放因子与rgb图片融合的帧同步盲识别方法。本专利技术可用于非合作通信复杂环境中，降低识别复杂度，提高盲识别方法的抗误码性能。
技术介绍
1、数字通信中数据信息经常以“帧”为单位进行传输，一个数据帧的内容包括帧同步码和信息序列两部分。帧同步码是一段内容固定的序列，用于区分相邻两个数据帧，信息序列包括待传输的用户数据信息。发送端将用户数据信息进行分组并按照一定格式组装成帧，接收端区分不同的数据帧并将其恢复成用户数据信息的形式，我们称这一过程为帧同步。在非合作通信系统中，接收端对于帧同步信息是未知的，没有任何先验信息的帧同步方法称为“帧同步码盲识别方法”。传统的帧同步盲识别技术通常依赖于同步码字的自相关特性，需要通过多重滑动遍历计算才能检测到帧同步码。这些传统方法在较低误码环境下表现出色，但在高误码情况下，自相关特性可能受到影响，使得传统的盲识别技术识别性能表现不佳。
2、邵堃在其发表的论文“基于相关滤波和离散度分析的帧同步识别”(探测与控制学报，2019)中提出了一种利用相关滤波修正门限值和离散度分析同步码的帧同步盲识别方法。该方法首先通过构造填充矩阵，初步消除冗余数据对帧长识别的影响；然后利用三次相关滤波自适应地调整门限值，完成帧长的识别；之后利用相关值提取关键字段；最后通过离散度分析方法将同步码与固定字段分割开，完成对同步码的精确识别。该方法虽然解决了门限选择难度大的问题。但是，该方法仍然存在的不足之处是，该方法在完成帧长的识别时，需要利用三次相关滤波自适
3、陈晓芳在其发表的论文“一种低复杂度的帧同步盲识别方法”(第十四届全国信号和智能信息处理与应用学术会议论文集，2021年)中提出了一种低复杂度的非合作通信帧同步盲识别方法。该方法首先对接收序列构造出不同列数的矩阵并利用行累加等计算过程得到每个矩阵的帧长存在概率，通过分析所有矩阵的帧长存在概率得到帧长的估计值；随后利用该帧长估计值重新构造矩阵并对行累加结果进行分析得到帧起始点估计值和帧同步码的粗略估计值；最后利用帧同步码具有强烈的自相关特性这一特点对帧同步码粗估计值进行分析，从而得到帧同步码。该方法虽然能解决算法复杂度过高的问题，但是，该方法仍然存在的不足之处是，该方法结果表明在误码率低于0.2时，帧同步盲识别性能在95％以上，但是在嘈杂信道或高误码率条件下的识别性能仍不佳，从而限制了其在高误码率环境下的应用。
技术实现思路
1、本专利技术的目的在于针对上述已有技术的不足，提供一种基于缩放因子与rgb图片融合的帧同步盲识别方法，可在非合作通信高误码环境中，降低其识别复杂度并且提高抗误码性能。
2、实现本专利技术目的的具体思路是：本专利技术通过分析帧同步码的数据分布规律构建不同列数的分析矩阵，将其转换为灰度图片，从而可以更加清晰地表现出数据域并不明显的特征。当矩阵的列数等于帧长的整数倍时，矩阵各行中同步码的相对位置相同，将矩阵转化为图片，则图片同步码列所在位置中将出现明显的竖条纹；当矩阵的列数接近帧长的整数倍时，则图片中将出现明显的倾斜条纹；当矩阵的列数与帧长相差较大时，矩阵中元素值趋向于随机分布，图片条纹特征不明显。以此解决了现有技术中在帧长识别过程中仍需设定门限值，且受同步码型的限制导致不具有普适性的问题。本专利技术在利用神经网络估计出帧长后，以帧长为列数构建分析矩阵再结合一阶累积量方法，实现帧起始点、同步码识别。通过构建列数与帧长相近的矩阵，以及通过计算缩放因子构建rgb图片，利用rgb图片划分数据集并训练帧长识别网络，得到帧长的估计结果，再以帧长为基础来识别帧起始点、同步码等参数。解决了现有技术中在高误码环境下帧长识别性能不佳，及导致其余识别参数难以识别的问题。
3、实现本专利技术目的的方法，包括如下步骤：
4、用列数与帧长相近的分析矩阵生成灰度图片；计算每张灰度图片的缩放因子；利用灰度图片与缩放因子生成rgb图片；通过rgb图片生成的训练集训练帧长识别网络；利用训练好的帧长识别网络识别帧长；利用一阶累积量方法识别帧的起始点；利用帧起始点识别帧同步码。
5、本专利技术与现有技术相比具有以下优点：
6、第一，由于本专利技术通过分析帧同步码的数据分布规律，将列数与帧长相近的分析矩阵生成灰度图片，可以更加清晰地表现出数据域并不明显的特征，再计算每个灰度图片的缩放因子，利用灰度图片与缩放因子生成rgb图片。克服了现有技术中在帧长识别过程中仍需设定门限值，且受到帧同步码自相关特性的限制，不具有普适性等缺点。使得采用本专利技术可以在帧长过程中不需要设定门限值，降低识别复杂度，且能够在不同帧长的情况下有效识别帧长。
7、第二，由于本专利技术在利用rgb图片构建训练集并训练帧长识别网络后，结合一阶累积量方法识别帧起始点，利用帧起始点识别帧同步码。克服了现有技术中在高误码环境下帧长识别性能不佳，及导致其余参数难以识别的问题。使得采用本专利技术可以实现在高误码环境下帧同步的有效盲识别。
本文档来自技高网...【技术保护点】
1.一种基于缩放因子与RGB图片融合的帧同步盲识别方法，其特征在于，计算每个灰度图片缩放因子，利用灰度图片与缩放因子生成RGB图片；该识别方法的步骤包括：用列数与帧长相近的分析矩阵生成灰度图片；计算每张灰度图片的缩放因子；利用灰度图片与缩放因子生成RGB图片；通过RGB图片生成的训练集训练帧长识别网络；利用训练好的帧长识别网络识别帧长；利用一阶累积量方法识别帧的起始点；利用帧起始点识别帧同步码。
2.根据权利要求1所述的基于缩放因子与RGB图片融合的帧同步盲识别方法，其特征在于，所述生成灰度图片的步骤如下：
3.根据权利要求2所述的基于缩放因子与RGB图片融合的帧同步盲识别方法，其特征在于，所述的缩放因子是由下式得到的：
4.根据权利要求1所述的基于缩放因子与RGB图片融合的帧同步盲识别方法，其特征在于，所述生成RGB图片是指，将每张灰度图片中的每一个像素值填入到RGB图片的R通道和G通道中对应的位置处，并将每张图片的缩放因子填入到对应RGB图片中B通道的每个像素位置处，得到的RGB图片。
5.根据权利要求1所述的基于缩放因子与RG
6.根据权利要求1所述的基于缩放因子与RGB图片融合的帧同步盲识别方法，其特征在于，所述帧长识别网络采用ResNet18残差网络，ResNet18网络是由17个卷积层和1个全连接层依次串联组成，将每个卷积层中的卷积核大小均设置为3×3，全连接层的输出节点数等于训练集中标签类别的个数。
7.根据权利要求1所述的基于缩放因子与RGB图片融合的帧同步盲识别方法，其特征在于，所述训练帧长识别网络是将训练集输入到帧长识别网络中，采用随机梯度下降算法迭代更新网络参数，直至网络的交叉熵损失函数收敛为止，得到训练好的帧长识别网络模型。
8.根据权利要求3所述的基于缩放因子与RGB图片融合的帧同步盲识别方法，其特征在于，所述的利用训练好的帧长识别网络识别帧长的步骤如下：
9.根据权利要求1所述的基于缩放因子与RGB图片融合的帧同步盲识别方法，其特征在于，所述一阶累积量方法识别帧起始点的步骤如下：
10.根据权利要求1所述的基于缩放因子与RGB图片融合的帧同步盲识别方法，其特征在于，所述识别帧同步码的步骤如下：
...【技术特征摘要】
1.一种基于缩放因子与rgb图片融合的帧同步盲识别方法，其特征在于，计算每个灰度图片缩放因子，利用灰度图片与缩放因子生成rgb图片；该识别方法的步骤包括：用列数与帧长相近的分析矩阵生成灰度图片；计算每张灰度图片的缩放因子；利用灰度图片与缩放因子生成rgb图片；通过rgb图片生成的训练集训练帧长识别网络；利用训练好的帧长识别网络识别帧长；利用一阶累积量方法识别帧的起始点；利用帧起始点识别帧同步码。
2.根据权利要求1所述的基于缩放因子与rgb图片融合的帧同步盲识别方法，其特征在于，所述生成灰度图片的步骤如下：
3.根据权利要求2所述的基于缩放因子与rgb图片融合的帧同步盲识别方法，其特征在于，所述的缩放因子是由下式得到的：
4.根据权利要求1所述的基于缩放因子与rgb图片融合的帧同步盲识别方法，其特征在于，所述生成rgb图片是指，将每张灰度图片中的每一个像素值填入到rgb图片的r通道和g通道中对应的位置处，并将每张图片的缩放因子填入到对应rgb图片中b通道的每个像素位置处，得到的rgb图片。
5.根据权利要求1所述的基于缩放因子与rgb图片融合的帧同步盲...
【专利技术属性】
技术研发人员：靳明超，张世田，魏嘉蒸，权东晓，何先灯，朱畅华，易运晖，陈南，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。