[發明專利]調制信號的降噪方法、裝置、存儲介質及設備

有效

• 申請號: 202111350291.3
• 申請日: 2021-11-15
• 公開（公告）號: CN114118145B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 段瑞楓;王旭;張海燕
• 申請（專利權）人: 北京林業大學
• 主分類號: G06F18/10
• 分類號: G06F18/10;G06F18/213;G06F18/214;G06N3/0464;G06N3/08
• 代理公司: 北京德崇智捷知識產權代理有限公司 11467
• 代理人: 王欣

本申請公開了一種調制信號的降噪方法、裝置、存儲介質及設備，屬于深度學習和通信技術領域。所述方法包括：獲取樣本集每個樣本中包括無噪聲調制信號和帶噪聲調制信號；將樣本集輸入創建的降噪模型中；對于每個樣本，利用降噪模型中的第一卷積層對帶噪聲調制信號進行特征提取；利用編碼塊對提取到的特征圖進行基于通道注意力機制的編碼；利用解碼塊對編碼后的特征圖進行基于通道注意力機制的解碼；利用第二卷積層對解碼后的特征圖進行卷積，得到降噪調制信號；根據降噪調制信號和無噪聲調制信號調整降噪模型的模型參數，得到訓練好的降噪模型，編碼塊和解碼塊中都包括改進的壓縮激勵結構。本申請可以降低高階調制的誤碼率，提升調制識別準確率。

技術領域

本申請實施例涉及深度學習和通信技術領域，特別涉及一種調制信號的降噪方法、裝置、存儲介質及設備。

背景技術

調制信號的信噪比的改善在無線通信系統中的合作通信領域以及非合作領域均起著重要作用。在合作通信中，改善信號的信噪比可以提升信號的傳輸質量，降低解調誤碼率。在非合作通信中，改善信噪比可以提升對調制信號自動調制識別的準確率，從而對信號進行解密或者施加干擾。因此，信號降噪方法一直是無線通信的研究熱點。傳統的信號降噪方法中主要使用小波變換、遞推最小二乘法、最小均方算法、主成分分析法和奇異值分解分解法，這需要已知信道參數，并借助訓練序列來獲取信道傳輸特性，傳輸效率低下，信道利用率不高。隨著計算機神經網絡技術的發展，深度學習在信道估計和降噪領域的應用也受到了廣泛關注。

在2020年EUSIPCO(2020年第28屆歐洲信號處理會議)上接受的論文《AdversarialSignal?Denoising?with?encoder-decoder?networks》，提出了一種編碼器解碼器結構來去除信號的噪聲，將去噪任務視為干凈信號和有噪信號之間的分布對齊，信號由一系列測量值表示。其目標是給定的兩個信號通過編碼器對齊干凈和噪聲信號潛在表示。但是該方法沒有對調制信號進行研究，并且未考慮將不基于學習的濾波去噪方法和基于學習的方法結合，從而提升信號去噪效果。

申請號為CN113111720A的專利所公開的技術方案，于深度學習的電磁調制信號去噪方法及系統，包括一種基于深度學習的電磁調制信號去噪系統，由依次連接的數據處理模塊、訓練模塊、輸出模塊組成。該方法考慮了生成的去噪信號的連續性特征，結合了不基于學習的濾波去噪方法和基于學習的去噪方法，能夠自適應學習信號特性，實現信號去噪，但是該方法沒有考慮到在卷積運算中通道對信號恢復的影響。

發明內容

本申請實施例提供了一種調制信號的降噪方法、裝置、存儲介質及設備，能夠對調制信號進行去噪，提高信號的信噪比。所述技術方案如下：

一方面，提供了一種調制信號的降噪方法，所述方法包括：

獲取樣本集，所述樣本集中的樣本為訓練樣本或驗證樣本，每個樣本中包括無噪聲調制信號和帶噪聲調制信號；

將所述樣本集輸入創建的降噪模型中，所述降噪模型中包括編碼模組和解碼模組，所述編碼模組中包括依次相連的第一卷積層和編碼塊，所述解碼模組中包括依次相連的解碼塊和第二卷積層，所述編碼塊和所述解碼塊中都包括改進的壓縮激勵結構，所述降噪模型為卷積降噪自編碼器；

對于每個樣本，利用所述第一卷積層對所述帶噪聲調制信號進行特征提取；利用所述編碼塊對提取到的特征圖進行基于通道注意力機制的編碼；利用所述解碼塊對編碼后的特征圖進行基于通道注意力機制的解碼；利用所述第二卷積層對解碼后的特征圖進行卷積，得到降噪調制信號；根據所述降噪調制信號和所述無噪聲調制信號調整所述降噪模型的模型參數，得到訓練好的降噪模型。

在一種可能的實現方式中，所述編碼模組中包括依次相連的一個第一卷積層和三個編碼塊，所述第一卷積層與第三個編碼塊之間設有殘差連接，所述解碼模組中包括依次相連的三個解碼塊和一個第二卷積層，第一個解碼塊與所述第二卷積層之間設有殘差連接，所述第三個編碼塊與第一個解碼塊相連；所述第一卷積層之后設有LeakyReLU激活函數，所述第二卷積層之后設有Tanh激活函數。