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：北京理工大学;中国电信集团卫星通信有限公司

摘要：本发明公开的低信噪比环境下宽带无线传输的时域分散调制解调方法，属于通信技术领域。本发明实现方法为：发送端采用深度学习将基带数据信号调制到微波载波上，通过数模转换器生成微波中频信号。调制后的微波中频信号通过高频器件变频器转换为毫米波信号，并通过天线发射。在接收端，天线接收到的毫米波信号首先通过毫米波微波变频器再次转换为微波中频信号。利用模数转换器对该微波中频信号进行采样，并输入到用于将空口接收到的包含多元时间序列相位变化的射频信号转换为解调后信息比特概率向量的深度学习模型，在基于深度学习模型实现时域分散解调器中进行解调处理，恢复出原始的数据信号，实现低信噪比环境下宽带无线传输的时域分散调制解调。

主权项：1.低信噪比环境下宽带无线传输的时域分散调制解调方法，其特征在于：包括如下步骤，步骤一，将发射端信源处的数据进行信道编码后，按等间隔分割为待调制信息比特向量；所述待调制信息比特向量表示为b＝[b1，b2，...，bM]，bi∈{0，1}，其中M为向量长度；在进行比特向量的分割时，需要根据当前信道的信噪比情况和射频器件的不稳定性，选择长度M以满足最佳的误码率需求，该长度M能够是任意的实数，消除因调制阶跃与信道信噪比条件的不匹配而导致的信息传输速率降低；步骤二，构建用于将等待调制的信息比特向量转换为多元时间序列的相位变化的深度学习模型，以等待调制的信息比特向量为输入，以调制后多元时间序列的相位变化为输出，训练将信息比特向量转换为多元时间序列的相位变化的深度学习模型；在接收到编码向量后，通过训练好的深度学习模型对等待调制的信息比特向量进行调制，使得调制后的多元时间序列通过连续符号之间的相位变化来传递信息；步骤三，构建用于将空口接收到的包含多元时间序列相位变化的射频信号转换为解调后信息比特概率向量的深度学习模型，以经过空口传输的射频信号为输入，以解调后的信息比特概率向量为输出，将射频信号转换为原始发送信息概率分布向量的深度学习模型；该深度学习模型建模为函数是空口接收到的包含多元时间序列相位变化的射频信号，p是输出的信息概率分布向量，θR是接收机的参数向量；训练将射频信号转换为原始发送信息概率分布向量的深度学习模型，通过训练好的深度学习模型解调后信息比特概率，得到解调后信息比特概率向量；步骤四，将步骤三解调后信息比特概率向量按步骤一的分割方式重新拼接为完整的比特流，根据拼接后的完整的比特流进行信道译码，恢复出原始的数据信号，即实现低信噪比环境下宽带无线传输的时域分散调制解调，实现宽带无线传输。

全文数据：

权利要求：

百度查询： 北京理工大学 中国电信集团卫星通信有限公司 低信噪比环境下宽带无线传输的时域分散调制解调方法