System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及的是一种无线通信领域的技术,具体是一种基于特征提取和降维的无线通信场景识别系统。
技术介绍
1、现有无线信道估计技术包括信道认知、参数估计和性能评估,如果能对无线信道有效识别,就可采取最优的链路传输措施,降低信道衰落对通信质量的损害。现有的信道特征获取技术多通过人工提取的信道特征参数实现,人工提取的特征主要是指由专家进行设计有明确含义的特征参数,然后结合机器学习算法如knn、svm等来进行分类,这种方法会对信道的特征信息有较大的损失,且对于专家特征选择有较高的要求。
技术实现思路
1、本专利技术针对现有技术缺乏场景认知的不足,提出一种基于特征提取和降维的无线通信场景识别系统,能够有效恢复信道特征的同时,显著降低待处理数据的复杂度,并通过卷积神经网络获取准确的信道信息,将单一的导频信号作为不同信道场景感知工具,能对不同通信场景进行认知。
2、本专利技术是通过以下技术方案实现的:
3、本专利技术涉及一种基于特征提取和降维的无线通信场景识别系统,包括:时频分析模块、特征降维模块、时域分析模块、联合降维时频图及时域模块和卷积神经网络模块,其中:时域分析模块接收来自无线信道的伪随机导频信号,根据其中的时域响应信息进行特征提取,得到时域信号;时频分析模块对时域信号进行时频分析得到时频图;特征降维模块通过灰度化、图像尺寸调整操作降低时频图的维度;联合降维时频图及时域模块根据降维后的时频图和作为干扰特征的时域信号的幅度信息进行联合降维后生成联合特征;卷积神经网
4、所述的时域分析是指:通过将信道时域响应的幅度作为特征信息,增强时频域的能量聚集效果。
5、所述的时频分析是指:通过将一维时域信息或频域信息反映作为时间-频谱平面上的两维信息,比如较为经典的有:短时傅里叶变换、wigner-ville分析等。
6、所述的特征降维是指:通过灰度化处理将rgb的时频图转化为灰度图像以有效的减少计算量,再通过图像尺寸调整降低图像像素点以调整至适合卷积神经网络的输入大小。
7、所述的联合降维是指:通过将降维后的时频图特征和信道时域响应值特征首尾拼接,得到联合特征值。
8、所述的卷积神经网络模块包括:两个支路特征提取单元和全连接单元,其中:上支路特征提取单元根据时频图像信息,进行特征提取处理,得到时频特征信息,下支路特征提取单元根据时域信息,进行特征提取处理,得到时域特征信息,连接单元根据上下支路提取到的特征信息,进行综合特征提取处理,得到最终分类结果。
9、所述的上支路特征提取单元包括:两次3×3的卷积核单元、relu激活函数单元和最大值池化单元,其中:卷积核单元根据时频图像信息,进行卷积处理,得到初步特征,relu激活函数单元根据时频图像卷积得到的特征信息,进行正值化处理,以消除卷积结果中的负值,最大值池化单元根据图像的边缘信息,进行卷积处理,得到时频图像的边缘特征。
10、所述的下支路特征提取单元包括:两次3×1的卷积核单元、relu激活函数单元和最大值池化单元,其中:卷积核单元根据时域信息,进行卷积处理,得到时域初步特征信息,relu激活函数单元根据时域特征信息,进行正值化处理,以消除卷积结果中的负值,最大值池化单元根据时域的边缘信息,进行卷积处理,得到时域的边缘特征。
11、本专利技术涉及一种实现上述系统的基于特征提取和降维的无线通信场景识别方法,根据信道时域响应的时频图,通过将信道特征识别转化为图像识别,可以完全利用信道的时频信息;并通过特征降维可以减少时频图的维度;且为弥补降维时频图的信息量损失,通过信道时域响应分析,得到时域特征;通过联合降维时频图及时域响应值作为信道特征;最后将特征值输入卷积神经网络模块,以此完成对信道类型的识别过程。
12、技术效果
13、本专利技术利用导频信号中的时域响应信息,通过神经网络经训练后根据联合特征识别得到无线通信场景。与现有技术相比,本专利技术能够在低信噪比下能对通信场景信息进行有效的特征提取及降维。
本文档来自技高网...【技术保护点】
1.一种基于特征提取和降维的无线通信场景识别系统,其特征在于,包括:时频分析模块、特征降维模块、时域分析模块、联合降维时频图及时域模块和卷积神经网络模块,其中:时域分析模块接收来自无线信道的伪随机导频信号,根据其中的时域响应信息进行特征提取,得到时域信号;时频分析模块对时域信号进行时频分析得到时频图;特征降维模块通过灰度化、图像尺寸调整操作降低时频图的维度;联合降维时频图及时域模块根据降维后的时频图和作为干扰特征的时域信号的幅度信息进行联合降维后生成联合特征;卷积神经网络模块经训练后根据联合特征识别得到无线通信场景;
2.根据权利要求1所述的基于特征提取和降维的无线通信场景识别系统,其特征是,所述的卷积神经网络模块包括:两个支路特征提取单元和全连接单元,其中:上支路特征提取单元根据时频图像信息,进行特征提取处理,得到时频特征信息,下支路特征提取单元根据时域信息,进行特征提取处理,得到时域特征信息,连接单元根据上下支路提取到的特征信息,进行综合特征提取处理,得到最终分类结果。
3.根据权利要求2所述的基于特征提取和降维的无线通信场景识别系统,其特征是,所述的
4.根据权利要求2所述的基于特征提取和降维的无线通信场景识别系统,其特征是,所述的下支路特征提取单元包括:两次3×1的卷积核单元、ReLU激活函数单元和最大值池化单元,其中:卷积核单元根据时域信息,进行卷积处理,得到时域初步特征信息,ReLU激活函数单元根据时域特征信息,进行正值化处理,以消除卷积结果中的负值,最大值池化单元根据时域的边缘信息,进行卷积处理,得到时域的边缘特征。
5.一种基于权利要求1-4中任一所述系统的无线通信场景识别方法,其特征在于,根据信道时域响应的时频图,将信道特征识别转化为图像识别,通过特征降维减少时频图的维度,通过信道时域响应分析得到时域特征,再通过联合降维时频图及时域响应值作为信道特征,最后将特征值输入卷积神经网络模块,实现对信道类型的识别。
...【技术特征摘要】
1.一种基于特征提取和降维的无线通信场景识别系统,其特征在于,包括:时频分析模块、特征降维模块、时域分析模块、联合降维时频图及时域模块和卷积神经网络模块,其中:时域分析模块接收来自无线信道的伪随机导频信号,根据其中的时域响应信息进行特征提取,得到时域信号;时频分析模块对时域信号进行时频分析得到时频图;特征降维模块通过灰度化、图像尺寸调整操作降低时频图的维度;联合降维时频图及时域模块根据降维后的时频图和作为干扰特征的时域信号的幅度信息进行联合降维后生成联合特征;卷积神经网络模块经训练后根据联合特征识别得到无线通信场景;
2.根据权利要求1所述的基于特征提取和降维的无线通信场景识别系统,其特征是,所述的卷积神经网络模块包括:两个支路特征提取单元和全连接单元,其中:上支路特征提取单元根据时频图像信息,进行特征提取处理,得到时频特征信息,下支路特征提取单元根据时域信息,进行特征提取处理,得到时域特征信息,连接单元根据上下支路提取到的特征信息,进行综合特征提取处理,得到最终分类结果。
3.根据权利要求2所述的基于特征提取和降维的无线通信场景识别系统,其特征是,所述的上支路特征提...
【专利技术属性】
技术研发人员:熊箭,李霞,朱申洋,圣建行,宋志群,孙柏昶,陈宝文,
申请(专利权)人:上海交通大学,
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。