[发明专利]脉冲噪声下基于深度学习的基带预编码MSK信号解调方法

摘要

本发明属于通信技术领域，涉及一种脉冲噪声下基于深度学习的基带预编码MSK信号解调方法。本发明针对传统基带预编码MSK信号解调时脉冲噪声模型参数估计复杂的问题，设计了一种基于深度学习的解调方法。该方法可以在不了解信道模型的情况下，从发射和接收数据中学习信道特征训练解调网络，在接收端实时恢复发送序列或输出编码比特软信息，在保证可靠接收的同时降低了运算复杂度。

主权项

1.脉冲噪声下基于深度学习的基带预编码MSK信号解调方法，其特征在于，包括以下步骤：S1、对接收端接收到的IQ两路信号R_Q和R_I进行限幅和分块操作预处理，接收信号IQ两路预处理后的数据定义为和L为发送端发送的二进制比特序列b的长度；S2、构建CLDNN解调网络，并采用样本数据对解调网络进行训练：构建CLDNN解调网络的结构为：输入层采用N×1的样本格式输入，N为正整数；然后通过两层由卷积、激活函数、批归一化组成的网络；接着通过由LSTM组成的网络；最后通过两个参数共享的全连接层和softmax输出硬判决比特或编码比特软信息；CLDNN解调网络的输入为样本数据，输出为网络估计的对应发送比特的概率所述样本数据的产生方式为，以或构成样本集合，标签为输入对应发送比特的one‑hot编码，即每个比特的概率质量函数，即输入对应比特为[0,1]，其标签为通过样本数据对CLDNN解调网络训练，获得训练好的CLDNN网络；S3、根据训练好的CLDNN网络，对接收端接收到的IQ两路信号进行预处理后输入解调网络得到估计的发送比特概率，然后经过并串转换恢复出发送比特序列或输出编码比特软信息。