[發明專利]欠采樣跳頻通信信號深度學習恢復方法

有效

• 申請號: 202010613485.7
• 申請日: 2020-06-30
• 公開（公告）號: CN111680666B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 齊佩漢;王凡;周濤;謝愛平;梁琳琳;周小雨;李贊;王丹洋;關磊;都毅;毛維安
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06F18/10
• 分類號: G06F18/10;G06N3/0464;G06F17/14;G06F18/214;G06F18/213;G06F18/24
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 程曉霞;王品華

1.一種欠采樣跳頻通信信號深度學習恢復方法，應用于跳頻通信，其特征在于，通過跳頻通信接收端的調制寬帶轉換器的硬件結構對觀測的跳頻信號x(t)進行線性測量，得到壓縮信號y₁[n]～y_m[n]，將壓縮信號和原始信號通過數據預處理得到適合輸入到卷積神經網絡和變分自編碼器的數據格式,將預處理后的壓縮信號和原始信號送入到卷積神經網絡和變分自編碼器中進行訓練，隨后通過卷積神經網絡和變分自編碼器來對預處理后的壓縮信號進行恢復,得到原始信號，包括有如下步驟：

(1)構建卷積神經網絡和變分自編碼器網絡結構：兩種網絡結構分別為獨立的信號恢復網絡結構，實際上是構建了兩種信號恢復網絡結構，首先構建卷積神經網絡結構，該網絡結構設置了5層卷積網絡，每一層結構相同，每層均包括卷積層、批量正則化層和Relu激活函數，輸入信號為數據預處理后的向量輸出信號為數據預處理后的向量[c-d]^T；其次構建變分自編碼器網絡結構，該網絡結構三層網絡，第一層為全連接層，批量正則化層，Relu函數，第二層為隱層z，第三層為Relu函數，批量正則化層，全連接層，輸入信號為數據預處理后的向量A^TY，輸出信號為數據預處理后的向量[c-d]^T；

(2)跳頻信號線性測量:將觀測的跳頻信號通過跳頻通信接收端的調制寬帶轉換器進行線性測量得到壓縮信號y₁[n]～y_m[n]，其中n是采樣點數，m是調制寬帶轉換器的采樣通道數，觀測的跳頻信號x(t)作為輸入信號，t為時間，p₁(t)～p_m(t)代表偽隨機碼片，輸入信號與各個通道的偽隨機碼片相乘，將觀測的跳頻信號搬移到基帶，然后通過低通濾波器濾除帶外干擾，再通過A/D轉換器采樣后得到線性測量后的壓縮信號y₁[n]～y_m[n]；

(3)數據預處理:將線性測量后的壓縮信號y₁[n]～y_m[n]經過快速傅里葉變換得到線性測量向量Y＝{Y₁[n],Y₂[n]...,Y_m[n]}^T，將其拆解為實部a和虛部b，取其實部a即可，將觀測矩陣A拆解為實部B和虛部C部分，構成新的觀測矩陣每一行第一列是實部，第二列是虛部，將新的觀測矩陣的轉置和線性測量向量Y的實部a相乘得到卷積神經網絡或變分自編碼器輸入信號將跳頻信號x(t)，經過快速傅里葉變換得到X＝{X₁[n]，X₂[n]...，X_m[n]}，將其拆分為實部c和虛部d，構成[c-d]^T向量，實部在第一行，虛部取反排列在第二行，構成的向量為卷積神經網絡或變分自編碼器輸出信號[c-d]^T；

(4)訓練卷積神經網絡和變分自編碼器網絡:由輸入信號和輸出信號[c-d]^T,通過輸入信號和輸出信號分別訓練兩個網絡結構，卷積神經網絡和變分自編碼器，設置網絡參數分別訓練這兩個網絡，將訓練好的卷積神經網絡和變分自編碼器分別進行保存；

(5)信號恢復:用保存的兩個網絡結構，即卷積神經網絡和變分自編器，輸入經過數據預處理的壓縮信號卷積神經網絡和變分自編碼器均能輸出兩個網絡重構信號對應的頻譜值[c-d]^T，此時再將頻譜值[c-d]^T進行變換構成將進行傅里葉逆變換即可得到重構信號完成跳頻信號的恢復。

2.根據權利要求1所述的采樣跳頻通信信號深度學習恢復方法，步驟1中所述的構建卷積神經網絡和變分自編碼器網絡結構，其中卷積神經網絡，網絡參數設置為：卷積核大小為10，數量為16，步長為1，填充方式為“Same”；變分自編碼器，網絡參數設置為：第一層全連接層的維度為400，經過批量正則化層，激活函數為Relu，隱向量z的維度為100，第三層經過批量正則化層，激活函數為Relu，全連接層維度為400。

3.根據權利要求1所述的采樣跳頻通信信號深度學習恢復方法，步驟3中所述的數據預處理過程如下：由壓縮感知的表達式Y＝AX，其中Y＝{Y₁[n],Y₂[n]...,Y_m[n]}^T,A是觀測矩陣，X＝{X₁[n]，X₂[n]...，X_m[n]}，令Y＝a+jb,A＝B+jC,X＝c+jd，由Y＝AX可得，a+jb＝(B+jC)*(c+jd)，拆解，令復數的實部和實部相等，虛部和虛部相等，可以得到以下的關系式，

令新的觀測矩陣可將上式化為

即

將上式兩邊同左乘A^T,可得

其中，為卷積神經網絡或變分自編碼器的輸入信號，[c-d]^T為卷積神經網絡或變分自編碼器的輸出信號。