[发明专利]一种基于深层分类网络的时变信道OFDM信号均衡方法

权利要求书

1.一种基于深层分类网络的时变信道OFDM信号均衡方法，其特征在于，包括以下步骤：

S1、给定实测信道数据集，构造基于分类思想的深度学习网络，分别构造基于分类思想的深度学习网络的输入和输出；

S2、对构建的基于分类思想的深度学习网络进行在线训练，得到深层分类网络模型；

S3、在具体的时变信道通信中，将需要均衡的输入数据进行分块处理，输入基于分类思想的深度学习网络，调用可用的深层分类网络模型，得到频域发射信号在星座图中的独热编码估计值，实现不同调制方式下的时变信道OFDM信号均衡。

2.根据权利要求1所述的一种基于深层分类网络的时变信道OFDM信号均衡方法，其特征在于，步骤S1中，OFDM信号有N个子载波，S(m)表示在第m个子载波上传输的信号，m＝1～N；

其中，n表示第n个采样时刻，n＝0,...,N-1；s(n)表示第n个采样时刻N点快速傅里叶逆变换(Inverse fast fourier transform,IFFT)变换后的时域发射信号；

OFDM时域发射信号s(n)在第n个采样时刻通过l条路径到达接收端的时域接收信号y(n)表示为：

其中，h(n,l)是第n个采样时刻l路径的信道，L是信号传输路径的总数目，z(n)是第n个采样时刻的时域加性噪声；

实测信道数据集是大量实际测量的信道集合；从实测信道数据集中选取X个长度相等的信道利用线性插值的方式，得到时变信道脉冲响应，表达式为：

其中，ξ是线性插值的系数，ir是利用实测信道数据集生成的时变信道脉冲响应，x表示选取的信道数量，表示第x个选取的信道,其中x＝1,…,X。

3.根据权利要求2所述的一种基于深层分类网络的时变信道OFDM信号均衡方法，其特征在于，对时变信道脉冲响应ir进行二维傅里叶变换，得到时变频域信道矩阵H，具体如下：

时变信道信号传输过程建模为：

Y＝HS+Z；

其中，是时域接收信号y(n)经过FFT处理之后得到的频域接收信号，是时域发射信号s(n)经过FFT处理之后得到的频域发射信号，是时域加性噪声z(n)经过FFT处理之后得到的频域加性噪声。