[發明專利]一種用于基站信號的時頻分布調制方法

在審

• 申請號: 201810534407.0
• 申請日: 2018-05-30
• 公開（公告）號: CN108832982A
• 公開（公告）日: 2018-11-16
• 發明（設計）人: 張曉瑜
• 申請（專利權）人: 毛述春
• 主分類號: H04B7/155
• 分類號: H04B7/155;H04L25/03;H04W88/08
• 代理公司: 重慶市諾興專利代理事務所(普通合伙) 50239
• 代理人: 劉興順

本發明請求保護一種用于基站信號的時頻分布調制方法，其包括以下步驟：首先安裝數據接收模塊、數據發送模塊、濾波放大模塊、信號調制裝置、數據預處理模塊及數據調諧處理模塊，所述數據發送模塊和數據接收模塊通過多個信道和多個地址發送或接收數據；所述數據接收模塊接收外部的通信信號，并傳輸給數據濾波放大模塊進行濾波放大處理，然后傳輸給數據預處理模塊進行包括去噪、加窗在內的數據預處理步驟；所述信號調制裝置包括積分電路、共振電路、第一信號轉換電路、第二信號轉換電路、第一阻抗電路、第二阻抗電路；本發明可以提高通信基站設備的調制準確性。

技術領域

本發明屬于通信基站技術領域，具體屬于一種用于基站信號的時頻分布調制方法。

背景技術

基站，是固定在一個地方的高功率多信道雙向無線電發送機。基站子系統(BSS)是移動通信系統中與無線蜂窩網絡關系最直接的基本組成部分。在整個移動網絡中基站主要起中繼作用?；九c基站之間采用無線信道連接，負責無線發送、接收和無線資源管理。而主基站與移動交換中心(MSC)之間常采用有線信道連接，實現移動用戶之間或移動用戶與固定用戶之間的通信連接。在日常生活中，我們常見的通信基站一般為無線通信基站?；咀鳛闊o線通信的中繼站，在信號傳輸過程中起到重要作用。由于信號容易受到其他信號干擾、調諧調頻信道不足，信號分類不準確，本發明提供了一種基于平滑偽Winger-Ville分布和最優時頻分布的通信基站，在基站上設置了信號調制處理模塊、功率分配器，有效解決功率分配及信道分配、調諧問題。

發明內容

本發明旨在解決以上現有技術的問題。提出了一種提高信號傳輸效率、調諧精確的用于基站信號的時頻分布調制方法。

本發明的技術方案如下：

一種用于基站信號的時頻分布調制方法，其包括以下步驟：首先安裝數據接收模塊、數據發送模塊、濾波放大模塊、信號調制裝置、數據預處理模塊及數據調諧處理模塊，所述數據發送模塊和數據接收模塊通過多個信道和多個地址發送或接收數據；所述數據接收模塊接收外部的通信信號，并傳輸給數據濾波放大模塊進行濾波放大處理，然后傳輸給數據預處理模塊進行包括去噪、加窗在內的數據預處理步驟；所述信號調制裝置包括積分電路、共振電路、第一信號轉換電路、第二信號轉換電路、第一阻抗電路、第二阻抗電路，積分電路用于根據經縮放的模擬信號和第一反饋信號產生積分信號；共振電路，用于根據所述積分信號產生共振信號；第一信號轉換電路，用于將所述共振信號轉換為數字輸出信號；第二信號轉換電路，用于將所述數字輸出信號轉換為所述第一反饋信號；第一阻抗電路，具有接收模擬信號的第一端和耦接至所述共振電路的第二端，用于改變前向路徑傳遞函數中零點的位置，進而調整所述信號調制裝置的信號傳遞函數；第二阻抗電路，具有接收所述模擬信號的第一端和耦接至所述積分電路的第二端，用于產生所述經縮放的模擬信號；然后傳輸給數據調諧處理模塊進行調諧，所述數據調諧處理模塊還用于將調諧的信息、設置的說明信息和目標數據傳送至數據發送模塊，所述說明信息包括預定信道和預定地址信息；所述數據發送模塊，用于根據說明信息在預定信道和預定地址上發送目標數據和第一同步信息，所述第一同步信息包括信道及地址標識；所述數據接收模塊，用于在預定信道接收另一通訊基站發送的第二同步消息，從所述第二同步消息中獲取第一同步信息的信道及地址標識，根據所述信道及地址標識接收目標數據；所述數據調諧處理模塊包括預處理模塊、特征提取模塊及訓練調諧模塊；所述預處理模塊用于對接收到的信號進行包括加窗在內的預處理步驟，并利用平滑偽Winger-Ville分布和最優時頻分布，將信號轉換成平滑偽Winger-Ville時頻分布圖和最優時頻分布圖；所述特征提取模塊采用卷積神經網絡自動提取平滑偽Winger-Ville時頻分布圖和最優時頻分布圖的特征，并利用多模融合模型將兩種時頻圖像特征進行特征融合量化評價，具體包括：對采集的平滑偽Winger-Ville時頻分布圖和最優時頻分布圖的特征進行時頻分析處理，計算訓練集信號的模糊函數及模糊函數均值；選擇二維徑向高斯核函數為基于分類的最優時頻分布的最佳核函數；通過迭代搜索計算最佳核函數；對訓練集信號進行最佳核函數下的時頻變換，并提取用于分類的特征值；設計訓練集信號的分類器，對訓練集信號的特征值進行分類；所述訓練調諧模塊將融合后的特征作為多層感知機的輸入，先利用訓練集來訓練模型，然后用訓練好的模型完成信號的調制。