买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学

摘要：本发明公开了一种基于深度学习接收机的联合FTN波形优化方法，属于通信领域中的单载波通信技术。本发明在发射端优化星座点位置，以及发射信号PSD，在接收端采用BiLSTM网络来进行信号检测，在平均发射功率和SEM约束的情况下，最大化SE并实现BER性能提升。结合深度学习的BiLSTM检测器，本发明实现FTN系统收发端联合优化，在相同的时域压缩因子τ下，进一步提升频谱效率，同时优化系统性能，相较于此前的只进行收端优化的深度学习方法，本发明进行收发端联合优化能获得更好的频谱效率性能以及BER性能。

主权项：1.一种基于深度学习接收机的联合FTN波形优化方法，其特征在于，包括下列步骤：步骤1，初始化调制星座并对其进行中心归一化处理，得到归一化处理后的星座C；初始化线性滤波器p的系数，所述线性滤波器p的系数为线性滤波器p的的阶数为2L，其中，k表示符号标识符，L表示预设的符号长度；初始化双向BiLSTM检测器的网络参数，包括权重W和偏置γ；初始化两个值域在0到1之间的权重，分别记为第一权重λ，和第二权重η；其中，双向BiLSTM检测器的网络结构依次包括：D层双向LSTM网络、线性层和softmax层，D为大于等于2的整数；步骤2，基于当前的星座C进行符号映射，将映射后的符号送入线性滤波器p，得到预编码处理后的发送符序列{x[k]}；步骤3，采用FTN调制方式对发送符序列{x[k]}进行信号调制后，经信道仿真处理得到对应的接收信号；步骤4，对步骤3得到的接收信号进行匹配滤波后再输入双向BiLSTM检测器进行信号检测：按照指定的长度N提取一组匹配滤波后的接收信号作为双向BiLSTM检测器的输入信号r，并将输入信号的每个符号分解为实部和虚部，得到维度为N×2的输入向量并输入双向BiLSTM检测器的D层双向LSTM网络；第D层双向LSTM网络的输出经双向BiLSTM检测器的线性层转换为维度为2×log2M的数据，再通过softmax层输出每个符号为发送比特0或者1的概率；其中，M表示星座C的尺寸；基于softmax层输出的概率获取信号检测的对数似然比，即软信息输出LLR；步骤5，通过最小化损失函数对星座C、线性滤波器p的系数和双向BiLSTM检测器的网络参数进行迭代更新；其中，表示关于双向BiLSTM检测器的softmax层的输出结果的交叉熵；Sbeyond表示频谱模板约束，且BW表示分配的标准化带宽，Smaskf表示频谱模板，Sf表示功率谱密度，f表示频率；步骤6，对第一权重λ和第二权重η依次进行迭代更新：首先更新λ：根据公式λ-ηSbeyond得到更新后的第一权重λ；再更新η：根据公式κη得到更新后的第二权重η，其中，κ为大于1且与1的偏差在指定范围的常数；步骤7，检测是否满足迭代收敛条件，若满足，则停止，基于当前的星座C、线性滤波器p的系数和双向BiLSTM检测器的网络参数得到波形优化结果；若不满足，则基于更新后的星座C、线性滤波器p的系数和双向BiLSTM检测器的网络参数继续执行步骤2-7；所述迭代收敛条件为：频谱模板约束Sbeyond的值趋近于0且损失函数Loss的值稳定；或者迭代次数达到设定的上限。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于深度学习接收机的联合FTN波形优化方法