[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

本發明公開了一種非線性失真場景的幀同步方法，包括：收集N_t個M幀N長的樣本序列y_i⁽¹⁾,y_i⁽²⁾,…y_i^(M),i＝1,2,…,N_t；加權疊加得到疊加樣本序列y_i^(S),i＝1,2,…,N_t；對疊加樣本序列y_i^(S)預處理，獲得同步度量i＝1,2,…,N_t；構建基于ELM網絡，根據接收信號的幀同步偏移值構建標簽T_i,i＝1,2,…,N_t學習網絡參數；利用學習得到的ELM網絡模型學習得到幀同步偏移估計值本發明可提高非線性失真場景下的幀同步性能，相比于傳統的相關法，本發明的幀同步性能有極大改善。

技術領域

本發明涉及無線通信幀同步技術領域，特別涉及一種非線性失真場景的幀同步方法。

背景技術

作為通信系統中的重要組成部分之一，幀同步方法性能的優劣，直接影響整個無線通信系統的性能。然而，無線通信系統不可避免地存在非線性失真，如高效功率放大器失真、模數或數模轉換器失真、以及I/Q兩路不平衡引起的失真，等等。此外，下一代無線通信系統(如6G系統)為避免收發信機過于昂貴，需使用低成本、低分辨率的器件(如功率放大器、AD采樣器)，造成非線性失真尤為突出。傳統的幀同步方法(如相關法)和時新的幀同步方法大多還未考慮到非線性失真場景，導致其在非線性失真條件下難以適用。機器學習對非線性失真具有優異的學習能力，然基于機器學習的幀同步技術少有研究且均未取得較好的同步性能，亟待改善。

為此，本發明利用機器學習方法并開發幀間相關性先驗信息，形成改善幀同步錯誤概率性能的幀同步方法。在接收端，首先對幀進行加權疊加預處理，開發幀間相關性先驗信息，初步捕獲幀同步度量特征；然后，構建ELM幀同步網絡，對幀同步偏移的估計進行離線訓練；最后，結合預處理與學習到的ELM網絡參數，在線估計幀同步偏移。針對存在非線性失真的無線通信場景，如5G、6G系統，本發明可改善其幀同步的錯誤概率性能并促進其幀同步的智能化處理水平，為智能化幀同步研究帶來諸多可實施方案，具有重大意義。

發明內容

本發明的目的在于提供一種非線性失真場景的智能化幀同步方法，與傳統相關同步方法相比，本方法聯合多幀加權疊加和ELM網絡，有效提高了非線性失真系統下的幀同步性能。

具體的發明方案為：

一種非線性失真場景的幀同步方法，包括以下步驟：

(a)收集N_t個M幀N長的樣本序列y_i⁽¹⁾,y_i⁽²⁾,…y_i^(M),i＝1,2,…,N_t；

(b)對y_i⁽¹⁾,y_i⁽²⁾,…y_i^(M)進行加權疊加，得到疊加樣本序列y_i^(S),i＝1,2,…,N_t

(c)對疊加樣本序列y_i^(S)預處理，獲得標準度量矢量

(d)構建ELM網絡，根據接收信號的幀同步偏移值構建標簽T_i,i＝1,2,…,N_t學習網絡參數；

(e)利用學習得到的ELM網絡模型學習得到幀同步偏移估計值

進一步地，所述步驟(a)所述獲得M幀N長的樣本序列可表示為：