[发明专利]一种基于神经网络的数字调制信号解调器及其解调方法

说明书

本发明属于集成电路和通信领域，具体为一种基于神经网络的数字调制信号解调器及其解调方法。本发明利用神经网络模块对ADC转换过的调制信号进行学习，得到可以解调该调制信号时的网络权重值，以实现之后遇到相同调制方式信号的识别和解调。本发明在不改变神经网络的软件配置的情况下，同时解调n种调制信号；并且通过利用神经网络的学习能力，可以学习新的调制信号及其调制方式，实现解调。

技术领域

本发明属于集成电路和通信领域，具体为一种基于神经网络的数字调制信号解调器及其解调方法，适用于各种调制方式。

背景技术

模拟通信和数字通信广泛应用于通信业务中，但数字通信已成为当代通信系统的主流。与模拟通信相比，数字通信具有抗干扰能力强、可靠性高、保密性强、便于存储和处理、设备易于集成、体积小、功耗低等优点。

调制的目的是把要传输的模拟信号或数字信号变成适合信道传输的信号，要传输的模拟信号称为调制信号。在通信系统的发送端，把基带信号的频谱搬移到具体给定信道通带内的过程称为调制。在接收端，把已搬移到给定信道通带内的频谱还原为基带频谱，从而将信号还原为原始基带信号的过程称为解调。使用数字基带信号对载波进行调制称为数字调制。数字调制相应有数字调幅、数字调频、数字调相三种方式。由于数字基带信号取值是离散的，因而调制后的载波参数取值也是离散的。数字调制的过程就像用数字基带信号去控制选通门的状态一样，从几个具有不同参数的独立震荡源中选择参数，所以又把数字调制称为“键控”，相应有振幅键控(ASK)、频移键控(FSK)和相移键控(PSK)三种基本方式。

随着数字通信技术的发展，产生了多进制数字调制，多进制振幅键控(MASK)、多进制频移键控(MFSK)和多进制相移键控(MPSK)。之后，人们为了改善频谱利用率低、抗多径抗衰落能力差、功率谱衰减慢以及带外辐射严重等问题，新的数字调制技术被提出，例如正交振幅调制(QAM)和正交频分复用调制(OFDM)。

目前数字调制信号解调是通过模数转换器(ADC)和数字信号处理(DSP)来实现的，由于每种调制信号使用的技术不同，在DSP中要实现包括下变频混频、带通滤波、同相和正交(I、Q)解调、位同步提取、信道译码、信源译码等。因此，每种不同的调制信号需要设计不同的DSP软件来实现解调。

神经网络是一项以生物大脑的结构和功能为基础，以网络节点模仿大脑的神经细胞，以网络连接权模仿大脑的激励电平的技术，能有效的处理问题的非线性、模糊性和不确定关系。在传统的计算机中，我们告诉计算机要做什么，将大问题分解成许多小的，精确定义的任务，计算机可以很容易的执行。相比之下，在神经网络中，我们不告诉计算机如何解决我们的问题。相反，它从观察数据中学习，找出自己解决问题的方案。神经网络相应的有全连接神经网络也叫前馈神经网络(FNN)，例图见图2。除此之外还有卷积神经网络(CNN)，和循环神经网络(RNN)，CNN也是一种前馈神经网络，CNN例图见图3，RNN例图见图4。RNN引入了定向循环，可以处理那些输入之间前后关联的问题。普通的RNN对于时序长短依赖具有不确定性，而长短时记忆模型(LSTM)可以很好的解决这个问题，LSTM例图见图5。

美国专利(US 2016/0248610A1和US 2015/0249554A1)提出了将人工神经网络用于解调器来解决I/Q信号失调和信号间干扰(ISI)。该专利是在传统的解调基础上加入了神经网络，使用神经网络来补偿I/Q失调，消除ISI干扰，实现恢复原始调制信号，最终实现提高传统解调的性能。

发明内容

针对上述存在问题或不足，本发明提供了一种基于神经网络的数字调制信号解调器及其解调方法，利用神经网络对ADC转换过的调制信号进行学习，记录下可以解调该信号时的网络权重值，之后遇到相同调制方式的信号即可实现信号的识别并解调。

该基于神经网络的数字调制信号解调器，包括ADC和神经网络识别模块。

所述ADC用于将输入的调制信号转换成数字信号，将其输入至神经网络识别模块；