[發明專利]一種基于殘差神經網絡的單通道時頻混疊信號盲分離方法

有效

• 申請號: 202110520047.0
• 申請日: 2021-05-13
• 公開（公告）號: CN113271272B
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 侯小琪;曾泓然
• 申請（專利權）人: 侯小琪
• 主分類號: H04L25/03
• 分類號: H04L25/03;G06N3/08;G06N3/04
• 代理公司: 北京中索知識產權代理有限公司 11640
• 代理人: 唐亭

本發明一種基于殘差神經網絡的單通道時頻混疊信號盲分離方法，包括以下步驟：步驟1：獲取單通道時頻混疊信號；步驟2：根據步驟1得到的混疊信號，構造數據集，數據集包括訓練集和測試集；步驟3：搭建殘差神經網絡，通過步驟2得到的數據集對殘差神經網絡進行訓練和測試；步驟4：創建網絡損失函數；步驟5：將混疊信號輸入步驟3得到的殘差神經網絡，得到分離后的兩路源信號波形；步驟6：將步驟4得到的源信號波形送入調節器解調即可完成時頻混疊信號的盲分離；本發明采用數據驅動的深度學習方法彌補人工對分離問題模型刻畫的不足，從大量樣本中學習信號的深層特征并進行擬合，避免了復雜且繁瑣的人工設計；訓練特征構造復雜度低。

技術領域

本發明涉及信號處理技術領域，具體涉及一種基于殘差神經網絡的單通道時頻混疊信號盲分離方法。

背景技術

信號盲分離技術是一種新型的信號處理方法，對于合作通信而言，通信設備的密集化會造成信號之間的干擾加強。單通道盲分離技術可以用來對混合信號進行干擾抑制，提升通信設備的接收性能。對于非合作通信而言，單通道信號盲分離可以作為非合作通信捕獲分析和干擾抑制的關鍵模塊。發送端的多個源信號通過天線發射出去，經過若干個混合模型后，接收端得到源信號在某種條件下的混合，盲分離的任務就是接收方在缺乏混合信號和傳輸信道的先驗知識的條件下從混合信號中恢復出發送端的多個源信號。

單通道信號盲分離指有多路發射天線，一路接收天線的場景，這在數學上屬于欠定問題，不存在定解。目前已有的方法主要有以下兩類，分別存在不同的局限性。第一種方法是通道將單通道分離模型轉化為多通道分離模型，將欠定盲分離轉化為適定盲分離，或者是利用混合信號的參數差異等來實現信號的分離。獨立分量分析，FastICA，小波變換等為其中的代表方法，這類方法的缺點是需要先對混合信號進行處理，以獲得一定量的信息或者構造相應的分離條件。然后再使用多通道分離模型進行處理，復雜度較高，數據處理量較大。第二種方法是符號序列與傳輸信道的參數聯合估計，其中的兩個代表方法分別是粒子濾波算法和PSP算法。為保證分離效果，粒子濾波算法需要使用大量的粒子來模擬系統的狀態，而系統的計算量將會隨著粒子數的增加呈現指數級別的增長，算法復雜度高，運算量巨大。PSP方法需要遍歷符號序列來找尋系統最優解，運算量仍然很大。

發明內容

本發明針對現有技術存在的問題算法簡單，單通道信號盲分離效率高、低信噪比條件下信號分離的準確度高的基于殘差神經網絡的單通道時頻混疊信號盲分離方法。

本發明采用的技術方案是：一種基于殘差神經網絡的單通道時頻混疊信號盲分離方法，包括以下步驟：

步驟1：獲取單通道時頻混疊信號；

步驟2：根據步驟1得到的混疊信號，構造數據集，數據集包括訓練集和測試集；

步驟3：搭建殘差神經網絡，所述殘差神經網絡為多尺度堆疊時域殘差神經網絡，包括特征提取模塊、分離系數計算模塊和波形恢復模塊；

特征提取模塊對輸入的一維混合信號進行特征提取，將其由信號空間映射到高維特征空間中，得到信號對應的特征表示，表示為x_feature：

x_feature＝h_{feature-mapping}(x)

其中，h_{feature-mapping}為特征映射操作，包含了1×1卷積、層歸一化、PRelu激活函數、深度可分離卷積、ReLu激活函數功能；

分離系數計算模塊包括三個時域殘差堆疊塊(Stacked Time-domain ResidualBlock,Stacked-TRB)，每一個時域殘差堆疊塊包含三個多尺度殘差單元塊(Multi-scaleResidual Block,MRB)和一個一維反卷積層；根據提取到的特征x_feature估計各個源的分離系數β，然后將特征與分離系數點乘，得到各個源對應的特征s_sep-feature：