[發(fā)明專(zhuān)利]一種基于Bagging和長(zhǎng)短期記憶網(wǎng)絡(luò)的信道盲均衡方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110520590.0
• 申請(qǐng)日: 2021-05-13
• 公開(kāi)（公告）號(hào): CN113259284B
• 公開(kāi)（公告）日: 2022-05-24
• 發(fā)明（設(shè)計(jì)）人: 黃志武;朱志騰;李飛;李爍;蔣富;楊迎澤;彭軍;劉偉榮;李恒;張曉勇;程亦君;顧欣;陳彬;張瑞
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中南大學(xué)
• 主分類(lèi)號(hào): H04L25/03
• 分類(lèi)號(hào): H04L25/03
• 代理公司: 長(zhǎng)沙市融智專(zhuān)利事務(wù)所(普通合伙) 43114
• 代理人: 龔燕妮

1.一種基于Bagging和長(zhǎng)短期記憶網(wǎng)絡(luò)的信道盲均衡方法，其特征在于，包括：

步驟1：將接收的通信信號(hào)分離成實(shí)部同相信號(hào)和虛部正交信號(hào)；

步驟2：構(gòu)建基于長(zhǎng)短期記憶網(wǎng)絡(luò)的信道盲均衡模型，采用改進(jìn)常模算法MCMA對(duì)長(zhǎng)短期記憶網(wǎng)絡(luò)的輸出建立損失函數(shù)；

所述長(zhǎng)短期記憶網(wǎng)絡(luò)的信道盲均衡模型包括并聯(lián)的實(shí)部子模型和虛部子模型，其中，實(shí)部子模型和虛部子模型是由多個(gè)長(zhǎng)短期記憶網(wǎng)絡(luò)單元級(jí)聯(lián)而成，將所述實(shí)部子模型和虛部子模型的輸出結(jié)果疊加作為所述長(zhǎng)短期記憶網(wǎng)絡(luò)的信道盲均衡模型的輸出結(jié)果，且所述實(shí)部子模型和虛部子模型均采用長(zhǎng)短期記憶網(wǎng)絡(luò)；

步驟3：模型訓(xùn)練；

將實(shí)部同相信號(hào)樣本和虛部正交信號(hào)樣本分別輸入實(shí)部子模型和虛部子模型，基于設(shè)定的損失函數(shù)值進(jìn)行梯度下降更新實(shí)部子模型和虛部子模型中的權(quán)重參數(shù)與偏置，直到實(shí)部子模型和虛部子模型的損失函數(shù)均小于誤差設(shè)定值；

步驟4：將實(shí)時(shí)接收的通信信號(hào)，輸入訓(xùn)練好的基于長(zhǎng)短期記憶網(wǎng)絡(luò)的信道盲均衡模型，實(shí)現(xiàn)信號(hào)均衡。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在模型訓(xùn)練過(guò)程中，采用加權(quán)Bagging算法對(duì)實(shí)部子模型和虛部子模型的各樣本輸出結(jié)果分別進(jìn)行組合，得到加權(quán)后的實(shí)部同相均衡信號(hào)與虛部正交均衡信號(hào)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，各樣本的學(xué)習(xí)器權(quán)重按以下公式設(shè)置：

其中，e_j表示第j個(gè)弱學(xué)習(xí)器的錯(cuò)誤率，e_max和e_min表示所有弱學(xué)習(xí)器中錯(cuò)誤率的最大值和最小值，將采用各樣本進(jìn)行模型訓(xùn)練，模型的損失函數(shù)收斂時(shí)的損失函數(shù)值作為各樣本對(duì)應(yīng)的弱學(xué)習(xí)器的錯(cuò)誤率；T是弱學(xué)習(xí)器的個(gè)數(shù)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述長(zhǎng)短期記憶網(wǎng)絡(luò)中的損失函數(shù)如下：

i＝r或z

其中，為長(zhǎng)短期記憶網(wǎng)絡(luò)中實(shí)部子模型或虛部子模型的t時(shí)刻的輸出信號(hào)，當(dāng)i取值為r時(shí)，R_r表示發(fā)送信號(hào)s對(duì)應(yīng)的實(shí)部s_r的統(tǒng)計(jì)信息，e_tr表示實(shí)部子模型的損失函數(shù)值；當(dāng)i取值為z時(shí)，R_z表示發(fā)送信號(hào)s對(duì)應(yīng)的虛部s_z的統(tǒng)計(jì)信息，e_tz表示虛部子模型的損失函數(shù)值。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述實(shí)部子模型和虛部子模型中長(zhǎng)短期記憶網(wǎng)絡(luò)單元的數(shù)量與可接收到的信號(hào)中最大延時(shí)部分的信號(hào)數(shù)量相同。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述長(zhǎng)短期記憶網(wǎng)絡(luò)單元的數(shù)量取值為4。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述長(zhǎng)短期記憶網(wǎng)絡(luò)單元的表達(dá)式如下：

其中，i_t、f_t、c_t、o_t、h_t分別表示t時(shí)刻的長(zhǎng)短期記憶網(wǎng)絡(luò)的輸入門(mén)、遺忘門(mén)、輸入產(chǎn)生的信息、單元狀態(tài)、輸出門(mén)、隱含層輸出，x_t和分別表示t時(shí)刻的長(zhǎng)短期記憶網(wǎng)絡(luò)的輸入和輸出，c_t-1和h_t-1分別表示t-1時(shí)刻網(wǎng)絡(luò)單元狀態(tài)和隱含層輸出的值，σ表示sigmoid函數(shù)；ω_xi、ω_xf、ω_xo、ω_xc分別為輸入層到長(zhǎng)短期記憶網(wǎng)絡(luò)輸入門(mén)、遺忘門(mén)、輸出門(mén)、單元狀態(tài)中輸入信息的權(quán)重矩陣，ω_hi、ω_hf、ω_ho、ω_hc和ω_hy分別為隱含層到長(zhǎng)短期記憶網(wǎng)絡(luò)輸入門(mén)、遺忘門(mén)、輸出門(mén)、單元狀態(tài)中輸入信息和輸出層的權(quán)重矩陣，b_i、b_f、b_o、b_c分別為輸入門(mén)、遺忘門(mén)、輸出門(mén)和單元狀態(tài)中sigmoid激活函數(shù)運(yùn)算時(shí)的偏置，b_y是隱含層到輸出層的偏置。