[發明專利]一種基于機器學習的調制方式參數盲檢方法及裝置

有效

• 申請號: 201810689793.0
• 申請日: 2018-06-28
• 公開（公告）號: CN108900454B
• 公開（公告）日: 2020-02-18
• 發明（設計）人: 程凱;張寧波;康桂霞
• 申請（專利權）人: 北京郵電大學
• 主分類號: H04L27/00
• 分類號: H04L27/00;H04L1/00
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 李欣;馬敬

本申請實施例提供了一種基于機器學習的調制方式參數盲檢方法及裝置，屬于無線通訊技術領域。所述方法包括：獲取第一待檢信號的星座圖數據，和預先存儲的對應于預設的第一干擾設備的第一備選合成星座序列；通過預先存儲的特征提取算法，根據所述第一備選合成星座序列和所述星座圖數據，確定所述第一待檢信號的第一特征向量；根據預先存儲的特征映射算法和所述第一特征向量，確定所述第一特征向量對應的第二特征向量；通過所述第二特征向量、預先存儲的所述第一待檢信號的特征元素以及預先存儲的分類模型，確定所述第一干擾設備的調制方式。采用本發明，可以提高低信噪比場景中的盲檢準確率。

技術領域

本申請涉及無線通訊技術領域，特別是涉及一種基于機器學習的調制方式參數盲檢方法及裝置。

背景技術

在非正交多址接入技術中，接收端通過盲檢算法，根據待檢信號的特性即可獲知干擾設備的調制方式，然后根據干擾設備的調制方式，刪除待檢信號中的干擾信號。

常用的最大似然盲檢算法的處理過程為：1、接收端通過將目標信號的調制方式與發送設備可能選用的調制方式進行組合，得到多種聯合調制方式，并生成每種聯合調制方式對應的備選合成星座。2、接收端在每個備選合成星座中，針對待檢信號的每個子載波，計算該子載波與距離最近的合成星座點的最短距離。然后根據對數最大似然公式，對所有子載波的最短距離的對數進行加和，得到每個備選合成星座對應的聯合調制階數。3、接收端比較計算出的多個聯合調制階數，確定最大聯合調制階數；然后用最大聯合調制階數減去目標信號的調制階數，得到干擾設備的調制方式對應的調制階數。接收端在備選調制方式集合中，根據各調制方式的調制階數，確定干擾設備的調制方式。其中，備選調制方式集合中包括發送設備可能使用的多種調制方式。

傳統的最大似然盲檢算法在高信噪比的場景中盲檢準確率高，但是在低信噪比場景中，盲檢準確率低。

發明內容

本申請實施例的目的在于提供一種基于機器學習的調制方式參數盲檢方法及裝置，能夠在低信噪比的場景中，提高盲檢準確率。具體技術方案如下：

第一方面，提供了一種基于機器學習的調制方式參數盲檢方法，其特征在于，所述方法應用于終端，所述方法包括：

獲取第一待檢信號的星座圖數據，和預先存儲的對應于預設的第一干擾設備的第一備選合成星座序列，其中，所述第一待檢信號至少包括所述第一干擾設備的干擾信號、以及目標設備的目標信號，所述第一備選合成星座序列包括多個第一備選合成星座、以及所述多個第一備選合成星座的排列順序，所述第一備選合成星座由預先存儲的目標信號對應的調制方式，以及預先存儲的干擾設備的候選調制方式集合確定；

通過預先存儲的特征提取算法，根據所述第一備選合成星座序列和所述星座圖數據，確定所述第一待檢信號的第一特征向量；

根據預先存儲的特征映射算法和所述第一特征向量，確定所述第一特征向量對應的第二特征向量，其中，所述特征映射算法至少包括完全多項式映射、以及部分多項式映射；

通過所述第二特征向量、預先存儲的所述第一待檢信號的特征元素以及預先存儲的分類模型，確定所述第一干擾設備的調制方式，其中，所述第一待檢信號的特征元素至少包括所述第一待檢信號的第一信噪比。

第二方面，提供了一種基于機器學習的調制方式參數盲檢裝置，其特征在于，所述裝置應用于終端，所述裝置包括：

第一獲取模塊，用于獲取第一待檢信號的星座圖數據，和預先存儲的對應于預設的第一干擾設備的第一備選合成星座序列，其中，所述第一待檢信號至少包括所述第一干擾設備的干擾信號、以及目標設備的目標信號，所述第一備選合成星座序列包括多個第一備選合成星座、以及所述多個第一備選合成星座的排列順序，所述第一備選合成星座由預先存儲的目標信號對應的調制方式，以及預先存儲的干擾設備的候選調制方式集合確定；