[发明专利]基于深度学习提高仪器矢量信号分析性能的处理方法

权利要求书

1.一种基于深度学习提高仪器矢量信号分析性能的处理方法，其特征在于，所述的方法包括以下步骤：

（1）将经过非理想的分析仪射频接收机的失真信号进行ADC采样得到序列y，并引入前馈神经网络对y的硬件失真进行补偿；

（2）根据信号的调制类型和相应星座图的位置对数据序列y进行解析，估计信号要传送的码元序列数据s，并根据具有L层的多层感知器神经网络MLP估计误差；

（3）根据具有L层的多层感知器神经网络MLP通过激活函数得到MLP输出层；

（4）将所述的MLP输出层的输出结果校正y得到最终测量符号；

（5）通过训练数据集以及使用反向传播算法BP训练得到MLP的权重集；

为每层的输出向量，为MLP内所有参数的集合；

步骤（2）中的得出MLP中第一层的输出层，具体为：

根据以下公式得出MLP中第一层的输出层：

；

其中，，为输入层输入数据的符号个数；

步骤（2）中的得出MLP中的第二层至L-1层为网络的隐藏层；

步骤（2）中的得出MLP中第二层至L-1层，具体为：

根据以下公式得出MLP中第二层至L-1层：

；

其中，；

步骤（3）中的激活函数为，其中，u为激活函数σ(u)的自变量；

步骤（3）中的得出MLP输出层，具体为：

根据以下公式得出MLP输出层：

；

其中，是各层之间线性连接的权重，为第l层的输入个数，即第l层的网络节点数；

所述的提供权重为的线性变换。

2.根据权利要求1所述的基于深度学习提高仪器矢量信号分析性能的处理方法，其特征在于，步骤（4）中的得到最终测量符号，具体为：

根据以下公式得到最终测量符号：

；

其中，为，为，为。

3.根据权利要求1所述的基于深度学习提高仪器矢量信号分析性能的处理方法，其特征在于，步骤（5）中的通过M训练数据集训练MLP的权重集，具体为：

根据以下公式通过M训练数据集训练MLP的权重集：

；

其中，和分别表示第m个包含失真的数据的实部和虚部，和分别表示第m个理想发送数据的实部和虚部，和分别表示第m个数据的误差的实部和虚部，M表示训练数据集的大小。