【技术实现步骤摘要】
本专利技术涉及通信，具体涉及一种基于深度展开网络的otfs-isac系统的目标参数估计方法。
技术介绍
1、车联网是实现智慧交通的关键工具，它为智慧交通的进步提供了千载难逢的契机。随着5g技术、边缘计算(edge computing)和通信感知一体化等新科技的深度融合，智能网联汽车的应用越来越广泛，我国车联网产业在许多领域都取得了显著的进步。从观察中我们了解到，车联网主要具备以下特性：首先，它能够确保车辆之间的安全距离，从而降低碰撞事故的风险。其次，通过实时导航功能，车联网能够帮助车主更有效地规划行程，提高交通运行效率。而这些功能都依赖于感知通信一体化的技术作为基础。因此，可以确定感知通信一体化将是未来智能交通领域的重要研究方向之一。
2、长期以来，通信技术与感知技术是独立发展与演进的。当前通信网络与感知网络是两张独立的网络，这就使得在同时需要通信和感知的场景下(如自动驾驶、无人机管理等)，应用系统需要接入两种独立的网络才能满足实际需求，这么做带来的劣势有两个，一个是成本高，第二是信息不能严格同步。雷达与通信在发展历程上呈现相互交织、相互启发、相互借鉴的发展规律。当前，两者的技术发展呈现出高度的一致性——追求更宽的带宽、更大的阵列、更加关注视距信道的信号处理方式以及小型化发展，从而在硬件架构、信道特性和信号处理方面变得越来越相似。这为利用无线通信基础设施实现感知提供了一个十分合适的基础，使得未来的网络将超越传统通信，提供无处不在的感知服务，用于测量甚至成像周围环境。作为6g潜在使能关键技术之一，isac可使移动蜂窝网
3、isac的主流思路是基于多载波通信信号进行一体化波形设计，其中以ofdm信号以及基于ofdm的改造信号为主。除了作为通信信号外，多载波信号在雷达系统中的应用同样也存在大量研究，这些促进了多载波信号在感知通信一体化波形设计中的发展。由于基于ofdm信号的一体化波形携带了通信信息，通信信息的不确定性会导致一体化波形在每次发射是随机的，进而影响雷达模糊函数性能。基于ofdm的感知通信一体化方案不论是通信端还是雷达端都基于子载波的正交特性。在高速场景中，严重的多普勒调制会使得子载波的正交特性被破坏，从而影响通信以及雷达目标像的重构性能，子载波的正交性破坏会使得重构的目标像具有较高的旁瓣或底噪。
4、为了应对高速场景中双选信道下的高性能感知通信问题，近年来新提出了otfs新型调制技术。与先前的基于频率-时间域的调制方式不同，otfs调制将调制符号搭载在时延-多普勒域中，从而使得每个调制符号能够经历整个频率-时间信道，利用高速场景带来的双选特性以获得频率-时间分集增益来提升通信性能。同时在实际中，反射体的个数是有限的，因此多径数目也是有限的，信道在时延-多普勒域上呈现出稀疏特性，因此时延-多普勒域比频率-时间域更加适合用来表示高速场景中的双选信道，这可以为高速场景中的目标参数估计带来好处。同时，otfs调制可以被视为ofdm调制的二维预编码，因此可以与现有的基于频率-时间域的发射接收系统进行结合。otfs调制有希望成为未来高速场景下高性能无线通信的重要技术方案。另一方面，随着人工智能的发展，智能感知通信成为了isac未来发展的方向之一。深度学习和参数估计相结合的优点主要体现在以下几个方面：(1)提高参数的准确性：深度学习具有强大的数据学习能力，通过分析大量数据，可以建立更为精准的信道模型，从而更准确地估计目标参数。(2)增强参数估计的适应性：基于深度学习的参数估计技术可以通过深度学习网络对信号进行特征提取和分类，这种适应性使得深度学习和参数估计相结合的方法在各种场景中具有广泛的应用前景。(3)提升参数估计的效率：基于深度学习的参数估计技术可以通过大规模并行计算和深度学习平台来实现快速训练和实时预测，从而提高了参数估计的效率。(4)增强参数估计的可解释性和透明度：深度学习模型可以提供可解释性和透明度，这使得人们可以更好地理解模型的输出和预测结果。因此，本专利技术利用otfs信道的稀疏性和深度展开网络，将深度展开网络应用于isac中，旨在进一步提升isac系统的目标参数估计性能。
技术实现思路
1、本专利技术的目的在于提供一种基于深度展开网络的otfs-isac系统的目标参数估计方法，该方法有利于提升isac系统的目标参数估计性能。
2、为了实现上述目的，本专利技术采用的技术方案是：一种基于深度展开网络的otfs-isac系统的目标参数估计方法，其特征在于，包括如下步骤：
3、步骤s1、调制器首先利用逆辛有限傅里叶变换isfft将时延-多普勒域中的信息符号x[k,l]映射到时频域中的样本x[n,m]，再通过海森堡变换创建通过无线信道传输的时域信号s(t)；
4、步骤s2、在接收机上，时域信号r(t)通过维格纳变换映射到时频域，然后使用辛有限傅里叶变换sfft映射到时延-多普勒域进行符号解调得到y[k,l]；
5、步骤s3、将otfs矩阵化和向量化，便于之后的问题建立和训练网络；
6、步骤s4、根据雷达信道在时延-多普勒域的稀疏性，将目标参数问题转换为压缩感知问题，建立目标函数；
7、步骤s5、构建用于求解cs问题的深度展开网络admm-net并训练，而后将解调符号y[k,l]输入训练后的网络，估计出目标参数。
8、进一步地，所述步骤s1的具体实现方法为：
9、对于otfs调制，考虑一个在时延-多普勒平面上的网格中调制一个m×n的数据符号块{xdd[k,l],k＝0,1,...,n-1,l＝0,1,...,m-1}，其中t为符号长度，δf为子载波间距；假设采样间隔为t/m，传输帧的总持续时间为nt；otfs发射机利用isfft将时延-多普勒域的符号转换为时频域：
10、
11、其中，n＝0,1,2,...,n-1,m＝0,1,2,...,m-1；
12、然后，在xft上应用海森堡变换，产生时域传输信号s(t)：
13、
14、其中，gtx(t)是发射机中的脉冲整形波形。
15、进一步地，所述步骤s2的具体实现方法为：
16、通过对双选择衰落信道中的时域接收信号r(t)进行采样，时域中离散接收信号表示为：
17、
18、其中，n＝0,1,2,...,mn-1，ω(n)为附加噪声，p为传播路径数，lp＝τpmδf，kp＝νpnt是时延-多普勒域晶格λ上的延迟和多普勒网格数，hp、τp和νp分别表示与第p条路径相关的路径增益、延迟和多普勒频移；
19、接收信号r(t)通过维格纳变换被转换为时频域中的接收数据符号yft：
20、
21、其中，grx是接收机中的脉冲整形波形；
22、最后，对yft进行辛有限傅里叶变换sff本文档来自技高网...
【技术保护点】
1.一种基于深度展开网络的OTFS-ISAC系统的目标参数估计方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于深度展开网络的OTFS-ISAC系统的目标参数估计方法，其特征在于，所述步骤S1的具体实现方法为：
3.根据权利要求2所述的一种基于深度展开网络的OTFS-ISAC系统的目标参数估计方法，其特征在于，所述步骤S2的具体实现方法为：
4.根据权利要求3所述的一种基于深度展开网络的OTFS-ISAC系统的目标参数估计方法，其特征在于，所述步骤S3的具体实现方法为：
5.根据权利要求4所述的一种基于深度展开网络的OTFS-ISAC系统的目标参数估计方法，其特征在于，所述步骤S4的具体实现方法为：
6.根据权利要求5所述的一种基于深度展开网络的OTFS-ISAC系统的目标参数估计方法，其特征在于，所述步骤S5的具体实现方法为：
【技术特征摘要】
1.一种基于深度展开网络的otfs-isac系统的目标参数估计方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于深度展开网络的otfs-isac系统的目标参数估计方法，其特征在于，所述步骤s1的具体实现方法为：
3.根据权利要求2所述的一种基于深度展开网络的otfs-isac系统的目标参数估计方法，其特征在于，所述步骤s2的具体实现方法为：
4.根据权利...
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。