[发明专利]基于神经网络的ACO-OFDM系统综合PAPR抑制方法及系统

权利要求书

1.基于神经网络的ACO-OFDM系统综合PAPR抑制方法，其特征是，包括：

将输入信号进行串并转换并传输至自编码器网络，自编码器网络由编码器及解码器构成；

在编码器部分进行星座映射编码后传输至相位旋转器，生成替代的低PAPR输出序列；

假设OFDM信号由4N个子载波进行传输，对替代的低PAPR输出序列进行Hermitian对称，只在奇数载波上传输数据，偶数载波上数据置零，并进行快速傅里叶逆变换得到实时域OFDM信号；

对时域OFDM信号进行并串转换和添加循环前缀后，进行限幅操作，不需要添加直流偏置，调制信号的所有负值都被归为零，将快速傅里叶逆变换的输出信号转换为非负实信号，并使其适合于LED的有限发射范围；

经过信道传输后，在接收端经过反过程处理，最后经过解码器解码得到恢复失真的信号；

其中，自编码器的编码器和解码器是标准的多层神经网络，通过激活函数描述输入和输出之间的非线性关系，基于反向传播算法，在无需监控的情况下对编码器和解码器的参数进行训练；X_k指复数信号X中的第k个元素，

|w₁^fx+b₁^f|_norm指编码器第一个隐藏层经过Batchnorm层的输出，

指编码器第L_f个隐藏层经过Batchnorm层的输出，

w₁^gY+b₁^g|_norm指解码器第一个隐藏层经过Batchnorm层的输出，

指编码器第L_g个隐藏层经过Batchnorm层的输出。

2.如权利要求1所述的基于神经网络的ACO-OFDM系统综合PAPR抑制方法，其特征是，假设OFDM信号由4N个子载波进行传输，在编码器部分的输出A＝f(x)，由2N个实数值组成，按一定顺序成对组合形成N个复数信号x，x＝[x₀，x₁，...，x_N-1]^T，X∈￡^N；￡^N为复数域。

3.如权利要求1所述的基于神经网络的ACO-OFDM系统综合PAPR抑制方法，其特征是，对于相位旋转器，每一个输入值都乘以一个相位因子，并将其表示为其中和每个相位因子通过损失函数在深度学习网络中进行训练；X_k指复数信号x中的第k个元素；指第一个损耗分量，指具体这个损耗分量的计算公式，x_H(n)}指频域OFDM帧信号，n指复数信号的个数，PAPR{x_H(n)}指计算OFDM信号的峰均比，指第二个损耗分量，w^f指编码器隐藏层的权重，b^f指编码器隐藏层的偏差，w^g，指解码器隐藏层的权重，b^g指解码器隐藏层的偏差。

4.如权利要求3所述的基于神经网络的ACO-OFDM系统综合PAPR抑制方法，其特征是，LED的发射信号要求为非负实数，对采用Hermitian对称运算形成频域OFDM帧x_H(k)，在ACO-OFDM中，只有奇数子载波携带数据信号，所有偶数频率输入都设置为零。

5.如权利要求3所述的基于神经网络的ACO-OFDM系统综合PAPR抑制方法，其特征是，网络训练时，假设编码器和解码器的输入和输出都是通过L_f＝L_g＝3个隐藏层连接的，每个隐藏层的输出都经过批处理规范化，以及激活函数和Dropout层处理。