[发明专利]一种基于深度学习与软件无线电的盲解调方法

权利要求书

1.一种基于深度学习与软件无线电的盲解调方法，其特征在于，包括：利用深度学习技术训练出用于调制方式识别的网络模型；使用训练好的网络模型识别接收信号的调制方式；根据网络模型的识别结果，采用软件无线电技术重构解调器，实现接收信号的盲解调。

2.根据权利要求1所述的基于深度学习与软件无线电的盲解调方法，其特征在于，所述网络模型采用深度学习中的卷积神经网络，所述网络模型的训练步骤包括：

步骤201，控制发射机发送各种调制信号或者不发送信号；

步骤202，利用软件无线电设备接收数字信号；

步骤203，对接收到的数字复信号进行载波同步；

步骤204，在同步后的信号中截取一组采样点进行功率归一化；

步骤205，将功率归一化后的一组采样点映射到复平面上生成星座图；

步骤206，根据信号的调制方式对生成的星座图打标签，并产生很多张打过标签的星座图组成训练数据集；

步骤207，将训练数据集送入卷积神经网络进行训练，得到用于调制方式识别的网络模型。

3.根据权利要求2所述的基于深度学习与软件无线电的盲解调方法，其特征在于，使用训练好的网络模型识别接收信号的调制方式，根据网络模型的识别结果，采用软件无线电技术重构解调器，实现接收信号的盲解调，具体包括：

步骤301，利用软件无线电设备接收未知调制方式的信号；

步骤302，对接收到的数字复信号进行载波同步；

步骤303，在同步后的信号中截取一组采样点进行功率归一化；

步骤304，将功率归一化后的一组采样点映射到复平面上生成星座图；

步骤305，将生成的星座图送入训练好的卷积神经网络中进行识别；

步骤306，根据识别出的调制方式，重构软件无线电中的解调器；

步骤307，利用重构出的解调器对步骤301中的接收信号进行盲解调。

4.根据权利要求3所述的基于深度学习与软件无线电的盲解调方法，其特征在于，调制方式识别和解调器重构过程会持续不断进行，以保证信号调制方式发生变化后，解调方式能够及时作出调整。

5.根据权利要求2或3所述的基于深度学习与软件无线电的盲解调方法，其特征在于，功率归一化的计算公式如下：

其中，x(n)表示同步后的复信号，N表示一组采样点的个数。

6.根据权利要求2或3所述的基于深度学习与软件无线电的盲解调方法，其特征在于，将功率归一化后的一组采样点映射到复平面上生成星座图，具体包括：

以信号的同相分量作为复平面的横坐标，正交分量作为复平面的纵坐标，将这一组采样点全部映射到复平面上；截取以原点为中心的预设大小区域用于生成星座图，然后将生成的星座图保存为预设分辨率的图片。