[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

说明书

本发明涉及一种基于反向传播神经网络的新型多载波识别方法，属于移动通信技术领域。该方法，首先生成具有多种幅度的三种基带多载波信号，对多载波信号进行采样；对采样得到的信号序列先后进行功率归一化处理和线性归一化处理；构建并训练反向传播神经网络；将待识别信号做上述两步归一化处理并输入至网络，根据输出值判别多载波信号类型。通过该方法，能够以低复杂度、快速准确地实现对三种新型多载波信号的识别；并能实现在低信噪比下对非标准化幅度信号的归一化处理和正确识别，提高识别网络的泛化能力。

技术领域

本发明属于移动通信技术领域，涉及一种基于反向传播神经网络的新型多载波波形识别方法。

背景技术

在5G系统的需求中，提出了更加多样化的业务类型、更高的频谱效率和更多的连接数等要求。在5G无线技术架构白皮书中，提出了4类主要应用场景，其中低功耗大连接场景主要针对以传感及数据采集为目的的物联网应用，具有小数据包、低功耗、低成本、海量连接等特性。在上述复杂的应用场景下，OFDM较高的带外泄露、对时频同步偏差敏感以及全频带需统一配置参数等缺点，将成为5G系统性能提升的主要障碍。基于上述原因，各种新型非正交多载波技术的研究应运而生。目前备选的多载波波形有滤波器组多载波(Filterbank based Multicarrier,FBMC)、通用滤波器多载波技术(Universal FilteredMulticarrier，UFMC)、滤波器正交频分复用技术(Filter OFDM，F-OFDM)等。而单一波形很难满足所有的需求，多种波形技术将共存，在不同场景下发挥各自作用。

当多种波形技术共存时，多模终端需具备多种波形的接收能力。上述的多种备选多载波技术，在实现方式上与OFDM具有相似性，接收端可以采用同一基带电路解调不同的多载波波形，降低硬件成本及功耗。而接收多种波形的前提，就是具备对各种多载波波形进行识别的能力。

作为信号检测和信号解调中间的步骤，调制识别技术在国防、安全监测等领域应用广泛且不可或缺。目前，调制识别技术集中在单载波的类内识别以及单载波与多载波之间的识别，并没有提供新型多载波技术的类内识别技术。并且传统的调制识别技术主要包括：1.基于特征提取；2.基于最大似然比。而前者的识别效果依赖于人工对特征量的正确选择，后者的识别效果依赖于分析信号的统计特性并需要一些先验信息。在实际应用中上述两种技术的复杂度都很高并且对人工依赖性强。

专利文献“一种基于特征提取的通信信号调制方式进行识别的方法”(申请公布号：CN104022837A)中将接收信号的归一化功率谱中大于常数B时的谱峰个数、归一化零中心瞬时幅度谱密度的最大值以及圆环特征参数结合起来快速准确识别单载波信号。该专利中信号识别效果依赖于谱峰特征提取的好坏。专利文献“一种基于混合高斯模型的最大似然调制识别方法”(申请公布号：CN104158633A)中扩展了传统信号星座图，通过混合高斯模型来模拟真实环境下的信号处理机误差并提高了星座模型的稳健性。该专利中先验的信道信息的准确与否对识别效果有影响。

反向传播神经网络因其具有很强的非线性映射能力和柔性的网络结构而受到广泛应用，但是应用传统的反向传播神经网络归一化方法(线性归一化法、零均值归一化法、函数归一化法等)对具有多种增益的多载波信号数据进行预处理时会导致训练出来的网络泛化能力较弱，即当待识别信号不是标准化幅度信号时，识别率大大降低。

发明内容

有鉴于此，本发明的目的在于提供一种基于反向传播神经网络的新型多载波波形识别方法。通过该方法，能够以低复杂度、快速准确地实现对三种新型多载波信号(OFDM、UFMC、FBMC)的识别。并能实现在低信噪比下对非标准化幅度信号的归一化处理和正确识别，提高识别网络的泛化能力。

为达到上述目的，本发明提供如下技术方案：