[發(fā)明專利]一種基于TextCNN網(wǎng)絡(luò)的信道編碼識別方法

有效

• 申請?zhí)枺?/td>: 201911191857.5
• 申請日: 2019-11-28
• 公開（公告）號: CN111079898B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計）人: 彭盛亮;倪艷琴;秦雄飛;楊喜
• 申請（專利權(quán)）人: 華僑大學
• 主分類號: G06N3/0464
• 分類號: G06N3/0464;G06N3/08;G06F16/35
• 代理公司: 廈門市首創(chuàng)君合專利事務(wù)所有限公司 35204
• 代理人: 張松亭;楊鍇

1.一種基于TextCNN網(wǎng)絡(luò)的信道編碼識別方法，將接收的信息序列作為文本，利用深度學習中的TextCNN網(wǎng)絡(luò)對文本進行理解，識別信息序列所采用的信道編碼方式，其特征在于，包括離線訓練階段和在線識別階段；其中，離線訓練階段包括如下步驟：

1.1)確定候選集：選擇若干已知的信道編碼方式，組成編碼方式候選集Θ＝{C₁,…,C_K}，其中，K為候選信道編碼的種類數(shù)量；

1.2)獲取訓練信號：對于編碼方式候選集中的每一種信道編碼方式，空口接收或者仿真出M個編碼后的信息序列r＝(r₁,…,r_N)，其中，N為信息序列長度；

1.3)數(shù)據(jù)預(yù)處理，具體如下：

1.3.1)對接收的每個信息序列r＝(r₁,…,r_N)進行分組處理，確定接收的信息序列分組長度L，共分為組；

1.3.2)將每個分組看作一個單詞，將分組序列映射成詞向量；

1.3.3)根據(jù)信息序列r＝(r₁,…,r_N)的個詞向量，構(gòu)建句子矩陣；

1.3.4)以信息序列所采用的信道編碼方式進行區(qū)分，給句子矩陣打上相應(yīng)的標簽；

1.3.5)將所有打過標簽的句子矩陣劃分，得到訓練數(shù)據(jù)集和驗證數(shù)據(jù)集；

1.4)訓練TextCNN網(wǎng)絡(luò)：將訓練數(shù)據(jù)集送入TextCNN網(wǎng)絡(luò)中訓練，驗證數(shù)據(jù)集用來調(diào)整模型的超參數(shù)，得到一個訓練好的TextCNN網(wǎng)絡(luò)模型；

在線識別階段包括如下步驟：

2.1)接收未知信號：接收N比特未知信道編碼方式的待識別信息序列x＝(x₁,…,x_N)；

2.2)數(shù)據(jù)預(yù)處理，具體如下：

2.2.1)對接收的待識別信息序列x＝(x₁,…,x_N)進行分組處理，每組L個比特，共分為個組；

2.2.2)將每個分組看成一個單詞，并將每個分組映射成詞向量；

2.2.3)根據(jù)待識別信息序列x＝(x₁,…,x_N)的個詞向量，構(gòu)建句子矩陣；

2.3)編碼方式識別：將接收的待識別信息序列x＝(x₁,…,x_N)的句子矩陣輸入步驟1.4)得到的TextCNN網(wǎng)絡(luò)模型中，進行編碼方式識別，得到接收的待識別信息序列x＝(x₁,…,x_N)的信道編碼方式。

2.根據(jù)權(quán)利要求1所述的基于TextCNN網(wǎng)絡(luò)的信道編碼識別方法，其特征在于，步驟1.3.2)中，采用Word2Vex或者Glove將分組序列映射成詞向量。

3.根據(jù)權(quán)利要求1所述的基于TextCNN網(wǎng)絡(luò)的信道編碼識別方法，其特征在于，步驟2.2.2)中，采用Word2Vex或者Glove將每個分組映射成詞向量。