[发明专利]一种基于循环神经网络的单通道时频混叠信号盲分离方法

权利要求书

1.一种基于循环神经网络的单通道时频混叠信号盲分离方法，其特征在于，包括以下步骤：

步骤1：根据采集到的多路加噪信号获取单通道混合信号；

步骤2：根据步骤1得到的信号构造数据集，包括训练集和测试集；数据集构造过程如下：

S11：根据单通道混合信号通过PSP方法获取信道脉冲响应量；

S12：提取单通道混合信号的信号实部和信号虚部，步骤S11得到的信道脉冲响应量，得到待训练的三个特征量；

S13：将源信号的比特数据经过变换后作为神经网络的标签样本；

过程如下：

一路数字调制后的源信号由K种符号取值可能，则n路源信号的符号组合有n^K种，标签样本取值范围为{0,1,…, n^K-2, n^K-1}，分别对应n^K种符号组合情况；

S14：将S12和S13得到的数据构造为二维矩阵作为数据集；

步骤3：采用步骤2得到的训练集训练循环神经网络，采用测试集对循环神经网络进行测试保存网络模型结构和参数；

步骤4：将需要识别的信号数据集输入步骤3得到的循环神经网络进行特征提取和分类，即完成信号的盲分离。

2.根据权利要求1所述的一种基于循环神经网络的单通道时频混叠信号盲分离方法，其特征在于，所述步骤1中多路通过加噪信道后的信号通过线性相加得到预处理的单通道混合信号。

3.根据权利要求1所述的一种循环神经网络的单通道时频混叠信号盲分离方法，其特征在于，所述循环神经网络包括：

用于对长序列数据进行建模和特征提取的双向长短时记忆网络层，激活层和用于将学习到的特征表示映射到标签样本空间的全连接层。

4.根据权利要求1所述的一种循环神经网络的单通道时频混叠信号盲分离方法，其特征在于，所述步骤4中循环神经网络进行特征提取和分类的过程如下：

将数据分为多段等长序列；

将序列组合为min_batch，输入神经网络，选择交叉熵代价函数，使用Adam优化算法进行迭代优化；选择置信度最大的结果作为分离结果。

5.基于权利要求1～4所述任一种方法的分离装置，其特征在于，包括：

信号获取模块，用于获取单通道混合信号；

构造模块，用于根据单通道混合信号构造循环神经网络所需的数据集；

信号分离模块，采用经训练好循环神经网络，获得分离的信号。

6.一种控制设备，其特征在于，包括：

至少一个存储器，用于存储程序指令；

至少一个处理器，用于调用所述存储器中存储的程序指令，按照获得的程序指令执行权利要求1～4任一项所述方法的步骤。

7.一种计算机可读存储介质，其特征在于，计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现权利要求1～4任一项所述方法的步骤。