[发明专利]一种基于机器学习的无线信道数据去噪方法

权利要求书

1.一种基于机器学习的无线信道数据去噪方法，其特征在于，包括：

获取信道测量场景中的信道冲激响应数据序列；

构建双向循环神经网络，将所述信道测量场景中的信道数据序列输入到所述双向循环神经网络中进行训练，得到训练好的双向循环神经网络；

将待去噪的信道数据输入到所述训练好的双向循环神经网络，双向循环神经网络输出去噪后的信道冲激响应数据；所述获取信道测量场景中的信道冲激响应数据序列，包括：

将信道测量设备的发射机与接收机的端口通过射频线缆相互连接，记录信道测量设备直连状态下的信道频率响应H_ref；

将信道测量设备的发射和接收两端分别连接发射与接收天线，将信道测量设备放置在信道测量场景中，测量并记录信道测量场景中的信道频率响应H_raw；

获取信道测量场景中的信道频率响应H，计算公式如下：

利用傅里叶逆变换获得信道测量场景中的信道冲激响应h，计算公式如下：

h＝IFFT(H)

获取信道测量场景中的功率时延谱P，计算公式如下：

P＝20log₁₀(|h|²)

将获得的信道测量场景中的功率时延谱P中的每个数据点划分为多径信号和噪声，并对多径信号和噪声进行标记；

将标记了的多径信号和噪声的功率时延谱中的数据点进行归一化处理后，再进行重新整理排列，使每组信道数据序列由一个待分类数据点及其相邻数据点组成，生成双向循环神经网络输入所需的信道冲激响应数据序列。

2.根据权利要求1所述的方法，其特征在于，所述的将信道测量场景中的功率时延谱P中的每个数据点划分为多径信号和噪声，包括：

根据设定的判断准则将信道测量场景中的功率时延谱P中的每个数据点划分为多径信号和噪声，所述设定的多径判断准则包括：

当在不同位置连续进行信道测量时，多径信号会在几个连续快照中相似的时延下同时出现，而噪声样本在连续的快照中不会在相似的时延下出现；

多径信号伴随着散射径，在功率时延谱的曲线中展现出拖尾现象。

3.根据权利要求1所述的方法，其特征在于，所述的将标记了的多径信号和噪声的功率时延谱中的数据点进行归一化处理，包括：

将标记了的多径信号和噪声的功率时延谱中的数据点进行归一化处理，方法如下：

其中P_i为功率时延谱中的第i个数据点，min与max分别为取功率时延谱中最小值和最大值的操作。

4.根据权利要求1所述的方法，其特征在于，所述的双向循环神经网络的网络规模为{36,128,128,1}，其中输入和输出层的节点数分别为36和1，两层隐藏层的节点数为128。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述的将待去噪的信道数据输入到所述训练好的双向循环神经网络，双向循环神经网络输出去噪后的信道冲激响应数据，包括：

获取待去噪的信道数据的功率时延谱，对所述功率时延谱进行归一化处理，再进行重新整理排列，使每组信道数据序列由一个待分类数据点及其相邻数据点组成，生成待去噪的信道数据序列；

将待去噪的信道数据序列输入到经过训练后的双向循环神经网络中，所述双向循环神经网络输出每一个待去噪信道数据点的分类标识结果，将每一个待去噪信道数据点的分类标识结果组成列向量，并与行向量的信道冲激响应原始数据相乘，获取经双向循环神经网络去噪后的信道冲激响应数据。