[发明专利]一种基于卷积神经网络的载波频偏估计方法

说明书

本发明涉及一种基于卷积神经网络的载波频偏估计方法，属于信号处理技术领域，解决了现有技术中频偏无法精确估计且难以适应所有数字通信信号调制样式。一种基于卷积神经网络的载波频偏估计方法，包括以下步骤：获取信号采样数据；基于所述信号采样数据构造卷积神经网络；对构造的所述卷积神经网络进行训练，得到基于载波频偏的卷积神经网络模型；利用所述基于载波频偏的卷积神经网络模型对信号载波频偏进行估计。实现了载波频偏的精确估计，并且可适应各种不同调制样式的信号。

技术领域

本发明涉及信号处理技术领域，尤其涉及一种基于卷积神经网络的载波频偏估计方法。

背景技术

在实际无线通信系统中，由于收发端振荡器不稳定、精度有限以及多普勒频移等原因的影响，导致接收信号产生一定的频率偏移，从而影响接收机性能。因此，在进行相干解调、对发送未知数据进行恢复时，为了有效减小频率偏移对系统性能的影响，需要采用有效的频偏估计算法精确估计出频率偏移值并对其进行补偿。现有载波频偏估计方法大多针对专门的信号类型设计，难以适应所有数字通信信号调制样式。

发明内容

鉴于上述的分析，本发明旨在提供一种基于卷积神经网络的载波频偏估计方法，实现了载波频偏的精确估计，并且可适应各种不同调制样式的信号。

本发明提供一种基于卷积神经网络的载波频偏估计方法，包括以下步骤：

获取信号采样数据；

基于所述信号采样数据构造卷积神经网络；

对构造的所述卷积神经网络进行训练，得到基于载波频偏的卷积神经网络模型；

利用所述基于载波频偏的卷积神经网络模型对信号载波频偏进行估计。

上述技术方案的有益效果为：一方面，信号采样数据可以是不同调制样式的信号形成的，因此基于信号采样数据构造的卷积神经网络和训练的神经网络模型，也适用于不同调制样式信号，另一方面，由信号采样数据作为卷积神经网络模型的样本，形成的卷积神经网络模型，可以使卷积神经网络模型的到达预测精度，从而实现载波频偏的精确估计。

进一步地，获取信号采样数据包括：在每一个预设频偏下，仿真产生一个复基带信号，将其作为一个样本信号并转换为数字量信号，对所述数字量信号采样，得到复基带采样信号，将所述复基带采样信号的实部和虚部作为矩阵的两个行向量，构成一个矩阵；在M个预设频偏下，采样得到M个样本(x_i,y_i)，作为信号采样数据；其中，x_i为第i个样本对应的同相分量和正交分量构成的矩阵，y_i为其对应的频偏值，M＞2。

上述进一步技术方案的有益效果为：将复基带采样信号的实部和虚部使用矩阵的形式表示，保证了该预设频偏下复基带采样信号的整体性，将此矩阵及其对应的实际频偏值组合构成一个样本，便于卷积神经网络训练。

进一步地，所述复基带信号的频偏范围为[-f_s/2,f_s/2]，f_s为信号采样频率。

上述进一步技术方案额有益效果为：上述方法实现了复基带信号的充分采样。

进一步地，对数字量信号采样的采样点数为L，L≥2，所述样本矩阵为L行2列的矩阵。

进一步地，所述卷积神经网络，具体包括，一个输入层，至少一个卷积层、一个非线性激活层、一个批归一化层，一个输出层，所述输出层为回归层。

进一步地，构造卷积神经网络具体过程包括，在输入层输入样本矩阵，通过卷积层，卷积层有多个卷积核进行卷积，经过批归一化层和非线性激活层处理，再通过dropout对其进行处理，经由回归层输出载波频偏。