[發明專利]基于多神經網絡的DBPSK解調方法

有效

• 申請號: 201710311300.5
• 申請日: 2017-05-05
• 公開（公告）號: CN107147603B
• 公開（公告）日: 2019-10-08
• 發明（設計）人: 王海;劉宗延;張敏;趙偉;劉巖;秦紅波
• 申請（專利權）人: 西安電子科技大學
• 主分類號: H04L27/20
• 分類號: H04L27/20;H04L27/227;H04L27/00;H04L25/02;H04L25/03
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 韋全生;王品華

1.一種基于多神經網絡的DBPSK解調方法，其特征在于包括如下步驟：

(1)獲取01隨機序列O和加噪信號R：

(1a)仿真軟件隨機產生01隨機序列O；

(1b)對01隨機序列O進行差分編碼，得到差分編碼序列；

(1c)對差分編碼序列進行BPSK調制，并對調制結果進行加性高斯白噪聲信道仿真，得到加噪信號R；

(2)獲取加噪信號R的采樣序列集θ₁,θ₂,…,θ_i,…,θ_m：

(2a)設加噪信號R初始采樣時刻分別為t₁,t₂,…,t_i,…,t_k，其中，t_i為第i種初始采樣時刻，且t_i＝iT/k，T為加噪信號R的碼元周期，k為加噪信號R初始采樣時刻的種數，且k≥2；

(2b)利用加噪信號R初始采樣時刻t₁,t₂,…,t_i,…,t_k的每種時刻分別對加噪信號R進行采樣，得到加噪信號R的采樣序列集θ₁,θ₂,…,θ_i,…,θ_m，其中，m為采樣序列的個數，且m＝k，θ_i為第i個加噪信號R的采樣序列；

(3)設定神經網絡結構：設定包含輸入層、隱藏層和輸出層的前饋神經網絡結構，其中輸入層節點個數與待解調信號兩個碼元周期內的采樣點個數相等，隱藏層節點個數等于輸入層節點個數的一半，輸出層節點個數為1，且隱藏層和輸出層的激活函數均采用sigmoid函數；

(4)獲取m組神經網絡訓練集：

(4a)以加噪信號R的采樣序列集θ₁,θ₂,…,θ_i,…,θ_m的各采樣序列中任意兩個相鄰碼元周期對應的采樣點作為神經網絡的不同輸入向量，每個采樣序列中所有輸入向量組成一組輸入向量集，得到m組神經網絡輸入向量集，其中的輸入向量的維度與設定的神經網絡結構的輸入層節點個數相同；

(4b)將01隨機序列O中各碼元作為神經網絡的不同輸出向量，得到神經網絡輸出向量集，其中的輸出向量的維度與設定的神經網絡結構的輸出層節點個數相同；

(4c)將m組神經網絡輸入向量集中的每組向量集分別與輸出向量集合并，得到m組神經網絡訓練集；

(5)訓練神經網絡：利用m組神經網絡訓練集對設定的神經網絡結構進行訓練，得到已訓練的神經網絡集N₁,N₂,…,N_i,…,N_n，其中，N_i為第i個神經網絡，n為神經網絡的數量，且n＝m；

(6)對設定的待解調信號進行多神經網絡解調：

(6a)設定格式為基帶數據中每間隔一定數量的碼元插入一個幀頭C的待解調信號；

(6b)對設定的待解調信號進行AD采樣，獲得待解調信號采樣序列；

(6c)將待解調信號采樣序列中任意兩個相鄰碼元周期對應的采樣點作為神經網絡的不同輸入向量，得到待解調信號輸入向量集；

(6d)將待解調信號輸入向量集中的輸入向量逐個分別輸入到神經網絡集N₁,N₂,…,N_i,…,N_n的每一個神經網絡中，得到n個神經網絡輸出序列；

(6e)在n個神經網絡輸出序列中搜索待解調信號所設定的幀頭C，并保留連續多次搜索到幀頭C的輸出序列對應的神經網絡，關閉其余神經網絡，得到保留的神經網絡集N'₁,N'₂,…,N'_q，其中，q為保留的神經網絡集中的神經網絡總數；

(6f)將神經網絡的輸出序列作為解調結果，并輸出。

2.根據權利要求1所述的基于多神經網絡的DBPSK解調方法，其特征在于：步驟(2a)中所述的加噪信號R初始采樣時刻，其時刻為以加噪信號R的碼元周期的初始時刻為零時刻，第一個采樣點的采樣時刻。