[发明专利]一种基于人工智能的QPSK接收机及其辅助模型训练方法

权利要求书

1.一种基于人工智能的QPSK接收机辅助模型训练方法，其特征在于，具体包括如下步骤：

S1、搭建QPSK系统模型，使用所述QPSK系统模型获取训练数据集；

S2、搭建rethink神经网络模型，所述rethink神经网络模型用于对经过编码和噪声影响的信号进行解调，生成预测标签；

S3、使用所述训练数据集训练所述rethink神经网络模型，优化所述rethink神经网络模型的损失函数；

S4、使用Nadam算法优化所述损失函数，更新所述rethink神经网络模型的参数，直至所述预测标签与真实标签对比的错误率最小，将更新后的rethink神经网络模型作为QPSK接收机辅助模型。

2.如权利要求1所述的一种基于人工智能的QPSK接收机辅助模型训练方法，其特征在于，使用所述QPSK系统模型获取训练数据集具体为，使用所述QPSK系统模型对经过汉明编码后的数据进行QPSK调制，然后使用根升余弦进行过采样，再加入高斯噪声作为干扰，经过匹配滤波和欠采样得到56位特征。

3.如权利要求1所述的一种基于人工智能的QPSK接收机辅助模型训练方法，其特征在于，所述rethink神经网络模型对经过编码和噪声影响的信号的解调具体包括：

对输入的信号进行五次重复向量迭代；

输入第一层网络，所述第一层网络使用非线性激活函数Relu；

输入第二层网络，所述第二层网络为长短期记忆神经网络，具有128个神经元，使用激活函数sigmoid；

输入全连接层进行输出，所述全连接层具有56个神经元。

4.如权利要求3所述的一种基于人工智能的QPSK接收机辅助模型训练方法，其特征在于，所述预测标签为56位。

5.一种基于人工智能辅助模型的QPSK解调方法，使用如权利要求1-4任一项所述的基于人工智能的QPSK接收机辅助模型训练方法所训练的QPSK接收机辅助模型，其特征在于，具体包括：

使用所述QPSK接收机辅助模型对经过编码和噪声影响的信号进行解调，生成预测标签；

对所述预测标签进行汉明译码，还原得到原码。

6.如权利要求5所述的一种基于人工智能辅助模型的QPSK解调方法，其特征在于，所述汉明译码为(7,4)译码，输出32位比特流。

7.一种基于人工智能辅助模型的QPSK智能接收机，其特征在于，使用如权利要求5-6任一项所述的基于人工智能辅助模型的QPSK解调方法。