[發明專利]一種基于神經網絡的二階段OFDM系統的定時同步方法

有效

• 申請號: 202210552668.1
• 申請日: 2022-05-19
• 公開（公告）號: CN114978842B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 卿朝進;楊娜;唐書海;饒川貴;蔡曦
• 申請（專利權）人: 西華大學
• 主分類號: H04L27/26
• 分類號: H04L27/26
• 代理公司: 四川省方圓智云知識產權代理事務所(普通合伙) 51368
• 代理人: 王悅

本發明公開了一種基于神經網絡的二階段OFDM系統的定時同步方法，包括：根據學習最強路徑的第一神經網絡進行路徑特征初始提取，獲得可分辨最強路徑上的第一階段定時同步輔助點完成OFDM系統的第一階段定時同步；根據第一階段定時同步輔助點的輔助，獲取第二階段的觀察窗，并在此基礎上構建第二神經網絡，尋找首達路徑，完成OFDM系統的第二階段定時同步，得到第二階段定時同步偏移根據第一階段定時同步輔助點和第二階段定時同步偏移利用融合判決模塊完成OFDM系統定時同步，得到定時同步偏移估計值本發明的方法不僅能夠提高定時同步正確性，而且能降低計算復雜度和處理延遲。

技術領域

本發明涉及AI定時同步的技術領域，特別涉及一種基于神經網絡的二階段OFDM系統的定時同步方法。

背景技術

在OFDM系統中，定時同步性能嚴重影響其后續的信號處理(如信道估計、符號檢測等)以至于整個通信系統的性能。如何提高定時同步性能，如降低定時同步錯誤概率，是全球范圍內的專家學者一直以來的研究興趣所在。然而，由于無線通信環境中存在多徑干擾，估計到的定時同步起始點通常是最強路徑而并非首達路徑，降低了定時同步的定時性能，惡化了通信系統的性能。

為了提高定時同步在多徑環境下的定時同步性能，基于壓縮感知的定時同步方法通過迭代干擾相消移除多徑干擾，搜索無線信道的首達路徑，雖然提高了定時同步的準確性，但是需要多次迭代處理，增加的計算復雜度和處理延遲等問題丞待解決。基于極限學習機的定時同步不同于幀同步，多徑干擾的問題也依舊沒有解決。

發明內容

本發明的目的旨在提供一種基于神經網絡的二階段OFDM系統的定時同步方法，在OFDM系統中，該方法與現有的基于壓縮感知的定時同步方法與基于極限學習機的定時同步方法相比，本發明利用兩個階段的處理，在提高定時同步正確性的同時，降低了定時同步的計算復雜度和處理延遲。

一種基于神經網絡的二階段OFDM系統的定時同步方法，包括：

S1、根據學習最強路徑的第一神經網絡進行路徑特征初始提取，獲得可分辨最強路徑上的第一階段定時同步輔助點完成OFDM系統的第一階段定時同步；

步驟S1所述的第一神經網絡進一步包括：

S11、構建一維卷積神經網絡進行特征抽取，形成第一神經網絡；

所述第一神經網絡有L₁個卷積層，并根據工程經驗設置L₁的取值大小；

S12、第一神經網絡的輸入是長度為M的觀察信號y；

S13、第一神經網絡訓練的標簽為最強路徑對應的定時偏移τ₀；

所述第一卷積神經網絡的感受野為2N，其中，N為訓練序列的長度；

所述觀察信號y的長度M大于訓練序列的長度N，并根據工程經驗設置觀察長度M；

所述感受野為一維卷積神經網絡的卷積核的大小；

S14、根據第一神經網絡的特征抽取結果，獲取可分辨最強路徑對應的第一階段定時同步輔助點

S2、根據第一階段定時同步輔助點的輔助，獲取第二階段的觀察窗，并在此基礎上構建第二神經網絡，尋找首達路徑，完成OFDM系統的第二階段定時同步，得到第二階段定時同步偏移

步驟S2所述的第二神經網絡進一步包括：

S21、構建一維卷積神經網絡，形成第二神經網絡，并在第一神經網絡輔助的觀察窗內進行特征抽取；

所述第二神經網絡有L₂個卷積層，并根據工程經驗設置L₂的取值大小；

S22、第二神經網絡輸入是觀察窗上長度為N_u的截取信號z；