[发明专利]一种基于CapsNet胶囊网络的盲接收机方法及装置

权利要求书

1.一种基于CapsNet胶囊网络的盲接收机方法，其特征在于，包含以下步骤：

S1、复杂场景下非理想射频信号训练样本的采集；

S2、基于CapsNet神经网络的智能通信接收机建模；

S3、基于CapsNet神经网络的智能盲接收机的训练与部署；

所述S1、复杂场景下非理想射频信号训练样本的采集：智能通信息系统核心特征之一是能自动感知环境特征对射频信号的影响，获得具有环境变量和因素特征的射频信号是首要步骤，基于USRP平台的发射机和接收机，通过发射机发送数据集，数据集在发射机经过信源编码，调制、脉冲整形产生的Sd射频信号集，通过天线发射到空中经过无线信道传播至接收机；

所述S2、基于CapsNet神经网络的智能通信接收机建模：射频信号集Re是经过非理想空间介质传播后畸变的射频信号数据集，其中包含了无线信道介质环境因素对射频信号的各种影响或噪声，射频损伤，包含射频信号自身传播所带来的衰落，盲接收机方法的利用CapsNet神经网络自主学习出非理想因素所带来的噪声、信道衰落对射频信号的影响；

所述S3、基于CapsNet神经网络的智能盲接收机的训练与部署：CapsNet网络由五部分组成，第1层是输入层，训练过程中输入的是由{Sd, Rd}组成的由IQ复信号表示的射频信号数据集，第2层为标准卷积层Conv1，初步提取IQ信号的特征，并把提取到的特征封装为空间信息的向量；第3层为CapsNet网络主胶囊层，主胶囊层按照动态路由规则与数字胶囊层进行连接并删除最后结果，对上层输入的特征进行不同卷积，生成1个向量作为胶囊单元，第4层为数字胶囊层，通过动态路由协议进行聚类传播与更新权重矩阵，输出概率向量，第5层为输出层，通过动态路由的方式计算出CapsNet神经网络的输出，即比特流信息的概率，包括计算概率向量模长，输出分类概率。

2.根据权利要求1所述的基于CapsNet胶囊网络的盲接收机方法，现提出一种基于CapsNet胶囊网络的盲接收机装置，其特征在于：步骤S1中使用USRP设备分别作为通信系统的发射机和接收机，加上相关组件组成通信系统。