[发明专利]一种基于反向传播神经网络的新型多载波识别方法

权利要求书

1.一种基于反向传播神经网络的新型多载波识别方法，其特征在于，该方法具体包括以下步骤：

S1：生成三种具有多种幅度增益的基带多载波信号；

S2：在接收端对上述基带多载波信号进行采样；

S3：以步骤S2中三种多载波信号的IFFT采样点数为单元对多载波信号的幅度进行功率归一化处理；

S4：构建初步的反向传播神经网络；采用三层结构的反向传播神经网络，分别为输入层、隐藏层和输出层；输入节点数设置为N_FFT；输出节点数设置为期望向量值的列维数N_out；隐藏层节点数N_hidden设置为

S5：将经过功率归一化处理后的数据单元作为反向传播神经网络的训练样本，样本数为N_samples，其中一个输入节点的样本数据表示为：则一个输入节点样本数据经过线性归一化后的序列为：

对每个输入节点的样本数据都进行上述线性归一化处理；

S6：训练反向传播神经网络，具体包括：

S61：将所述经过两步归一化处理后的训练样本输入到所述初步建立的反向传播神经网络的输入层并进入隐藏层；

S62：所述反向传播神经网络的隐藏层根据初始连接权值和激活函数将输入样本转换成输出数据输入到输出层，输出层根据初始连接权值和激活函数将数据输出；

S63：当输出层输出的数据与期望输出值之间的误差大于期望精度时，进入误差的反向传播环节，采用量化共轭梯度算法调整网络隐藏层的各连接权值和阈值，并跳转至步骤S61；

S64：当输出层输出的数据与期望输出值的误差在期望精度内时，所述反向传播神经网络训练建立完成；

S7：将待识别基带多载波信号按照步骤S3和S5所述方法进行归一化处理，并输入至上述反向传播神经网络，将大于0.5的输出节点值判定为1，小于0.5的输出节点值判定为0，根据输出向量值识别多载波信号。

2.根据权利要求1所述的一种基于反向传播神经网络的新型多载波识别方法，其特征在于，所述的三种基带多载波信号分别为OFDM、UFMC和FBMC；所述的训练样本以及待识别输入集均为信号幅度序列。

3.根据权利要求1所述的一种基于反向传播神经网络的新型多载波识别方法，其特征在于，所述步骤S3具体包括：IFFT采样点数为N_FFT，一个IFFT采样周期内的信号幅度序列表示为：则功率归一化后的幅度序列为：

对每个信号幅度序列均做上式归一化处理。