[發明專利]一種非線性失真場景的幀同步方法有效
| 申請號: | 202010821398.0 | 申請日: | 2020-08-14 |
| 公開(公告)號: | CN111970078B | 公開(公告)日: | 2022-08-16 |
| 發明(設計)人: | 卿朝進;余旺;董磊;杜艷紅;唐書海 | 申請(專利權)人: | 西華大學 |
| 主分類號: | H04J3/06 | 分類號: | H04J3/06;G06N3/04;G06N3/08;G06N20/00 |
| 代理公司: | 成都方圓聿聯專利代理事務所(普通合伙) 51241 | 代理人: | 李鵬 |
| 地址: | 610039 四川*** | 國省代碼: | 四川;51 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 非線性 失真 場景 同步 方法 | ||
1.一種非線性失真場景的幀同步方法,其特征在于,包括以下步驟:
(a)收集Nt個M幀N長的樣本序列yi(1),yi(2),…yi(M),i=1,2,…,Nt;
所述M幀N長的樣本序列表示為:
其中,M和N根據工程經驗設定;
(b)對yi(1),yi(2),…yi(M)進行加權疊加,得到疊加樣本序列yi(S),i=1,2,…,Nt
所述加權疊加表示為:
yi(S)=μ1yi(1)+μ2yi(2)+…+μMyi(M);
所述μi,i=1,2,…,M為加權系數,根據各幀的接收信噪比設定;
(c)對疊加樣本序列yi(S)預處理,獲得標準度量矢量
所述預處理步驟為:
(c1)一次訓練疊加樣本序列y(S)中觀察長度為Ns的觀察序列與長度為Ns的訓練序列作“互相關運算”后,得到“互相關度量”Γt,即:
所述的觀察長度為Ns根據工程經驗設定;
所述t表示觀察疊加序列的起始索引位置,t∈[1,K],例如t=1表示從疊加樣本序列y(S)的第一個元素開始觀察Ns長的樣本序列;表示y(S)中t到t+Ns-1個元素;
所述K=N-Ns+1,表示搜索窗口的大小;
(c2)由K個相關度量構成度量矢量對Nt個度量矢量γi進行歸一化處理,得到標準度量矢量即:
所述Nt根據工程經驗設定,所述的||γi||表示度量矢量γi的Frobenius范數;
(d)構建ELM網絡,根據接收信號的幀同步偏移值構建標簽Ti,i=1,2,…,Nt,通過離線訓練過程得到網絡模型與參數;
所述構建標簽的步驟為:
根據同步偏移值τi,i=1,2,…,Nt形成標簽集合
所述的標簽Ti,i=1,2,…,Nt根據同步偏移值τi,利用one-hot編碼得到,即
所述的τi由接收信號yi確定,根據統計信道模型,或根據實際場景結合現有方法或設備收集得到;
所述離線訓練過程具體包括以下步驟:
(d1)根據隨機分布產生權重和偏置依次將標準度量矢量輸入ELM網絡,隱藏層輸出表示為:
所述σ(·)表示激活函數sigmoid;
(d2)由Nt個標準度量矢量得到的Nt個隱藏層輸出Hi構成隱藏層輸出矩陣根據隱藏層輸出矩陣H和所述標簽集合T,求得輸出權重
所述表示H的Moore–Penrose偽逆;
(d3)保存模型參數W,b和β;
(e)利用學習得到的ELM網絡模型通過在線運行過程得到幀同步偏移估計值;
所述在線運行過程包括以下步驟:
接收M幀N長的在線樣本序列yonline(1),yonline(2),…,yonline(M),根據步驟(b)和(c)進行疊加預處理得到在線標準度量矢量將送入ELM網絡模型中學習出輸出向量表示為:
(e1)找到輸出向量O中幅度平方的最大值的索引位置,公式如下:
公式中為幀同步估計值。
2.根據權利要求1所述的一種非線性失真場景的幀同步方法,其特征在于,步驟(d)所述網絡模型與參數為:
ELM網絡模型包含1個輸入層,1個隱藏層,1個輸出層,輸入層節點數為K,隱藏層節點數為N=mK,輸出層節點數為K,隱藏層采用sigmoid作為激活函數,將預處理后的標準度量矢量集合作為輸入;
所述的m根據工程經驗設置。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于西華大學,未經西華大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010821398.0/1.html,轉載請聲明來源鉆瓜專利網。





