[發(fā)明專利]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（公告）號(hào): CN113259284B
• 公開（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)（專利權(quán)）人: 中南大學(xué)
• 主分類號(hào): H04L25/03
• 分類號(hào): H04L25/03
• 代理公司: 長(zhǎng)沙市融智專利事務(wù)所(普通合伙) 43114
• 代理人: 龔燕妮

本發(fā)明公開了一種基于Bagging和長(zhǎng)短期記憶網(wǎng)絡(luò)的信道盲均衡方法及系統(tǒng)，該方法包括如下步驟，建立基于長(zhǎng)短期記憶網(wǎng)絡(luò)的信道盲均衡模型；采用Bagging算法對(duì)長(zhǎng)短期記憶網(wǎng)絡(luò)盲均衡模型進(jìn)行優(yōu)化；對(duì)得到的模型進(jìn)行訓(xùn)練，得到最佳的參數(shù)設(shè)置；利用訓(xùn)練好的盲均衡模型對(duì)新數(shù)據(jù)進(jìn)行均衡。在保證神經(jīng)網(wǎng)絡(luò)對(duì)非線性良好的擬合前提下，通過引入長(zhǎng)短期記憶網(wǎng)絡(luò)解決了神經(jīng)網(wǎng)絡(luò)盲均衡過程中參數(shù)尋優(yōu)困難和易于陷入局部最優(yōu)解的問題。此外，基于改進(jìn)常模算法MCMA消除了信道對(duì)于傳輸信號(hào)在幅值和相位兩個(gè)方面的影響，使得本發(fā)明技術(shù)方案更具適應(yīng)性，適用的信道環(huán)境更廣，能夠提升神經(jīng)網(wǎng)絡(luò)類均衡器在時(shí)變信道的均衡性能。

技術(shù)領(lǐng)域

本發(fā)明屬于信道均衡技術(shù)領(lǐng)域，特別涉及一種基于Bagging和長(zhǎng)短期記憶網(wǎng)絡(luò)的信道盲均衡方法及系統(tǒng)。

背景技術(shù)

在無(wú)線通信過程中，每一個(gè)符號(hào)都按照一定的時(shí)間間隔進(jìn)行傳輸。然而在此過程中，接收到的符號(hào)之間經(jīng)常會(huì)因?yàn)闊o(wú)線傳輸信道的頻率響應(yīng)不理想、多徑效應(yīng)以及噪聲等因素而產(chǎn)生交疊，這種現(xiàn)象稱為符號(hào)間干擾(inter-symbol interference，ISI)，這是影響接收信號(hào)正確性的主要因素。為了降低符號(hào)間干擾這種因素對(duì)接收信號(hào)的影響，提升通信質(zhì)量，通常會(huì)在接收端加入一個(gè)均衡器進(jìn)行彌補(bǔ)，這一過程稱為信道均衡。

信道均衡技術(shù)按是否需要提前發(fā)送訓(xùn)練序列可分為自適應(yīng)均衡技術(shù)和盲均衡技術(shù)。自適應(yīng)均衡是指根據(jù)提前發(fā)送的已知訓(xùn)練序列進(jìn)行學(xué)習(xí)，按照接收信號(hào)的誤差自適應(yīng)地調(diào)節(jié)均衡器抽頭系數(shù)。而盲均衡是指不需要這樣的訓(xùn)練序列，而直接根據(jù)接收到的信號(hào)統(tǒng)計(jì)特性對(duì)均衡器進(jìn)行調(diào)整。加入訓(xùn)練序列擠占有限的頻譜資源，會(huì)引起無(wú)線通信的傳輸率，而且一些通信環(huán)境經(jīng)常變化的場(chǎng)景下，已知的訓(xùn)練序列是很難獲得的。因此，盲均衡技術(shù)的發(fā)展顯得尤為重要。盲均衡技術(shù)按照算法可分為基于高階統(tǒng)計(jì)信息的盲均衡算法、基于最大似然準(zhǔn)則的盲均衡算法和基于隨機(jī)梯度下降的盲均衡算法。前兩種算法由于算法結(jié)構(gòu)等原因?qū)е掠?jì)算量過大而沒有得到廣泛應(yīng)用，基于隨機(jī)梯度下降的盲均衡算法中構(gòu)造的代價(jià)函數(shù)多為關(guān)于均衡器的非凸非線性函數(shù)，以線性濾波器構(gòu)建的均衡器對(duì)此不能實(shí)現(xiàn)較好的均衡效果，近幾年的主要方法是用神經(jīng)網(wǎng)絡(luò)代替線性濾波器構(gòu)建均衡器。

盲均衡要解決的問題就是對(duì)接收信號(hào)進(jìn)行解卷積運(yùn)算得到發(fā)送信號(hào)，而神經(jīng)網(wǎng)絡(luò)由于可以逼近任意的非線性函數(shù)等特點(diǎn)，使得該技術(shù)在盲均衡問題上具有較好的應(yīng)用前景。信道盲均衡在引入神經(jīng)網(wǎng)絡(luò)代替線性濾波器構(gòu)建均衡器時(shí)，會(huì)遇到收斂速度慢或者是易于陷入局部最優(yōu)解的問題。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有技術(shù)中，信道盲均衡在引入神經(jīng)網(wǎng)絡(luò)代替線性濾波器構(gòu)建均衡器時(shí)，會(huì)遇到收斂速度慢或者是易于陷入局部最優(yōu)解的問題；選擇循環(huán)神經(jīng)網(wǎng)絡(luò)中記錄歷史信息的長(zhǎng)短期記憶網(wǎng)絡(luò)，并且為當(dāng)前的均衡提供額外信息從而進(jìn)一步提高均衡效果。此外，用MCMA 算法構(gòu)造損失函數(shù)解決信道對(duì)于傳輸信號(hào)在幅值和相位兩個(gè)方面的影響。

本發(fā)明提供的技術(shù)方案如下：

一方面，一種基于Bagging和長(zhǎng)短期記憶網(wǎng)絡(luò)的信道盲均衡方法，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；