[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

说明书

本发明涉及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，包括(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ε；(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。采用了该方法，拟合出仪器接收机失真的数学特性，进而对失真进行校正，能够保留原本输入信号的特性。

技术领域

本发明涉及仪器仪表领域，尤其涉及仪器仪表误差校正领域，具体是指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。

背景技术

本发明属于仪器仪表技术领域。主要涉及对矢量信号分析类仪器的系统误差进行校正、以提高测量精度的相关应用领域。具体指基于深度学习方法对测量仪器的矢量测量结果进行修正、均衡的方法，以弥补测量仪器的系统误差给矢量测量性能带来的影响，提高矢量信号分析测量结果的准确性。

本发明适用的测量仪器包括但不限于矢量信号分析仪（Vector SignalAnalyzer），矢量测量结果包括但不限于误差矢量幅度（Error Vector Magnitude，EVM）。

矢量信号分析广泛应用于无线通信设备测试中。支持矢量信号分析功能的仪器通常包含射频接收模块（例如放大器、混频器、滤波器等），模数转换器（ADC）和数字信号处理单元（例如DSP、FPGA、CPU、GPU）。最具代表性的具备矢量信号分析功能的仪器是矢量信号分析仪，终端综测仪、基站综测仪等通信仪器一般也具有矢量信号分析功能。

一般数字调制信号经过解调得到实部（记为I）和虚部（记为Q）两个分量，在经过符号同步、相差校正、频差校正等处理，得到信号所包含的码元信息，将这些码元以I分量作为横坐标，Q分量作为纵坐标，绘制在正交坐标图上，便得到了所谓星座图。图1、图2是QPSK调制方式的星座图，信号质量较好、失真较小的情况下，星座图上各个数据点集中在4个参考点附近，如图1所示；信号质量较差、失真严重时，数据点可能会偏离参考点，位置比较分散，例如图2所示。我们可以通过分析测量点与参考点之间的矢量距离来判断信号质量的好坏，通常使用误差矢量幅度（Error Vector Magnitude，EVM），来表示实际信号与参考点之间的矢量差。EVM衡量调制信号质量好坏的重要参数，它既包含了信号的幅度误差，也包含了信号的相位误差。

调制信号的失真通常来源于射频电路自身的缺陷，例如IQ不平衡、信号通带内的频响不平坦、相位噪声等。矢量信号分析仪是测量信号EVM的最常用仪器之一，然而，矢量信号分析仪自身的射频接收电路同样存在上述问题，给被测信号带来额外的失真，从而影响EVM的测量结果，尤其是对于5G及未来通信系统的超大带宽信号，这些影响尤其显著。为了能测量出准确的EVM指标，矢量信号分析仪要在射频接收硬件的设计和优化上做到极致，但这常常是十分困难的，因此，在数字信号处理的过程中加入对射频硬件失真的补偿算法，就成为了一项十分必要的工作。

为了补偿如图2所示的信号失真状况，通常的做法是使用梳状谱发生器向信号接收机发射多个正弦波叠加的多音信号，接收机接收采集后与原始的信号做对比，得到每个正弦波频点上功率和相位变化，凭借这些数据对接收机射频电路进行建模，得到其通带内频响和相位变化，然后对分析仪接收电路进行均衡和补偿。但是，这种方法存在着不足，为了得到接收机通带内各处频响变化，需要精确知道梳状谱各条谱线的功率和相位情况，这通常是很难获取的，一般用在对精度和溯源性要求特别高的计量校准中，复杂度高，校准成本高。