[發明專利]一種降低通信系統接收信號的噪聲的方法及接收端和通信系統

在審

• 申請號: 201911112575.1
• 申請日: 2019-11-14
• 公開（公告）號: CN112803951A
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 曹志崴;朱洪飛;趙玉萍;李斗
• 申請（專利權）人: 北京大學
• 主分類號: H03M13/03
• 分類號: H03M13/03
• 代理公司: 北京君尚知識產權代理有限公司 11200
• 代理人: 邱曉鋒

本發明涉及一種降低通信系統接收信號的噪聲的方法及接收端和通信系統。在接收端的解調單元和解碼單元之間設置降噪單元，對解調后的信號進行降低噪聲的處理；降噪單元采用機器學習算法，充分利用糾錯編碼的冗余信息，以降低譯碼序列的噪聲。本發明首先基于已知序列對降噪模塊網絡進行訓練，得到網絡結構和參數，而后根據訓練結果構建降噪單元；當接收機接收到信息序列時，信息序列首先通過降噪單元進行降噪，而后進行信息的糾錯解碼。本發明提出的降噪模塊及其降噪方法可大大降低糾錯解碼的誤碼率，提高系統性能。

技術領域

本發明屬于通信技術領域，具體涉及一種降低通信系統接收信號的噪聲的方法及接收端和通信系統。

背景技術

在通信系統中，發端的糾錯編碼和收端的糾錯解碼是必不可少的兩個單元模塊，其做法是在原始的信息系列中加入冗余，進而在收端可對接收的錯誤序列進行糾正。圖1為現有通信系統框圖。

在通信系統中，接收信號受到通道噪聲、其他信號對其干擾等影響。現有系統中采用低通濾波的方式消除頻帶外的噪聲，采用均衡等方法去除信號之間的干擾后，信號將進入糾錯解碼模塊進行解碼。其解碼特性取決于信號中的殘余噪聲能量，然而傳統的低通濾波的方法只能濾除頻帶之外的噪聲，而無法濾除信號頻帶內的噪聲。

對于譯碼算法而言，傳統的譯碼算法一般采用基于碼字歐幾里德距離最小化的序列譯碼或迭代譯碼算法，這類算法精確度高，是傳統通信系統接收機中普遍采用的方法，然而其復雜度較高。另一方面，近年來，深度學習(Deep Learning，DL)由于其強大的解決復雜問題的能力，吸引了全世界的廣泛關注。由于深度學習的助力，推進了大量領域的進步，如計算機視覺，自然語言處理，無人駕駛等。在通信系統領域，也出現了機器學習進行糾錯解碼的研究成果，例如基于神經網絡的信道譯碼器稱為神經網絡譯碼器(neural networkdecoder，NND)。對于NND而言，只需要將信道接收到的符號經過堆疊的預訓練好的神經網絡層，就可以在神經網絡的輸出端得到譯碼結果。

然而無論傳統的序列譯碼還是基于神經網絡的譯碼算法，譯碼單元的輸入信號都是帶有噪聲能量的，該噪聲是與接收有用信號同頻帶的噪聲，無法通過濾波器進行濾除。這些殘留噪聲的大小是影響系統誤碼性能的決定性因素。如果能夠采用某種方法減低該噪聲，則系統性能將大幅度提高。然而，基于現有的通信理論和算法，這些噪聲是無法去除的。

發明內容

本發明針對上述問題，提供一種降低通信系統接收信號的噪聲的方法及接收端和通信系統，基于深度學習的方法來降低通信系統接收信號的噪聲，并對降噪后的編碼信號進行譯碼。

本發明包括以下內容：

1.在接收端低通濾波及解調單元之后、糾錯解碼單元之前插入去除噪聲的單元(降噪單元)，用來降低信號通過濾波等操作后的殘留噪聲。

2.降噪單元采用深度學習，構建降噪單元的結構并進行優化。該過程首先基于已知的信息序列對網絡進行訓練，得到網絡參數，完成降噪單元。而后未知的信息序列可通過該降噪單元降低信號中的噪聲，并將降噪后的信息序列進行糾錯解碼。

3.本發明所述方法包含了任何通過訓練方法得到降噪單元結構與參數的方法。

4.本發明所述方法適用于任何糾錯解碼方法，包括傳統的序列解碼、以及近期出現的基于機器學習的譯碼算法。

5.本發明所述方法也包括了將降噪單元、解碼單元等獨立單元聯合，構成統一單元并進行迭代優化的算法。

具體來說，本發明采用的技術方案如下：

本發明首先提供一種降低通信系統接收信號的噪聲的方法，包括以下步驟：

在接收端的解調單元和解碼單元之間設置降噪單元；所述降噪單元是基于已知的信息序列采用深度學習算法訓練網絡參數得到的降噪單元；