[发明专利]基于深度神经网络的水声正交频分复用接收机的实现方法在审
| 申请号： | 201910493504.4 | 申请日： | 2019-06-06 |
| 公开（公告）号： | CN110311876A | 公开（公告）日： | 2019-10-08 |
| 发明（设计）人： | 付晓梅;张静;曹宇;韩光耀 | 申请（专利权）人： | 天津大学 |
| 主分类号： | H04L27/26 | 分类号： | H04L27/26;H04B13/02 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 李林娟 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 神经网络 正交频分复用接收机 串并变换 水声 转换成并行数据 傅里叶逆变换 神经网络模型 串行比特流 星座图映射 接收机 并串变换 并行数据 串行数据 估计信道 频域变换 时域信号 信号移除 循环前缀 发送端 接收端 导频 输出 转换 | ||
【权利要求书】：
1.一种基于深度神经网络的水声正交频分复用接收机的实现方法，其特征在于，所述方法包括以下步骤：
1)发送端；
由信息比特和导频比特共同组成的串行比特流经过星座图映射为符号，符号经串并变换后经傅里叶逆变换从频域变换到时域；时域信号经并串变换后转换成串行数据；
2)接收端；
接收到的信号移除循环前缀，经过串并变换转换成并行数据，并行数据被输入到深度神经网络模型中获得输出比特。
2.根据权利要求1所述的一种基于深度神经网络的水声正交频分复用接收机的实现方法，其特征在于，所述深度神经网络模型基于TensorFlow框架实现。
3.根据权利要求1或2所述的一种基于深度神经网络的水声正交频分复用接收机的实现方法，其特征在于，所述深度神经网络模型有三个隐藏层，一个输入层，一个输出层；
所述输入层包含输入数据的实部和虚部，输出层一次预测16个比特。
4.根据权利要求1或2所述的一种基于深度神经网络的水声正交频分复用接收机的实现方法，其特征在于，所述隐藏层的激活函数采用ReLU函数，输出层的激活函数采用Sigmoid函数，函数优化器选择RMSProp算法更新网络参数。
5.根据权利要求1所述的一种基于深度神经网络的水声正交频分复用接收机的实现方法，其特征在于，所述深度神经网络模型中的损失函数具体为：
其中，Y(k)为输出比特；X(k)为串行比特流。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910493504.4/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种数据传输方法及装置
- 下一篇：多子频带信号传输方法、装置、设备及介质
