[发明专利]一种基于深度学习与软件无线电的盲解调方法

说明书

本发明涉及一种基于深度学习与软件无线电的盲解调方法，首先利用深度学习技术训练出用于调制方式识别的网络模型，然后使用训练好的网络模型识别接收信号的调制方式，最后根据识别结果，采用软件无线电技术重构解调器，实现接收信号的盲解调。本发明一方面基于深度学习技术，可以充分利用通信大数据，提高识别精度；另一方面基于软件无线电技术，可以使系统摆脱硬件条件的束缚，便于功能的升级和扩充。

技术领域

本发明属于通信技术领域，特别涉及一种基于深度学习与软件无线电的盲解调方法。

背景技术

当前的通信系统通常采用多种调制方式，以便根据信道状况动态调整传输参数，提高频谱利用效率。在此类系统中，接收端必须事先知道发送端具体采用了哪种调制方式，才能正确解调信号。收发两端的调制信息交互，一般是通过控制信道实现的；这样会引入一些额外的传输开销。此外，在一些特定领域中，例如认知无线电和电子对抗应用，接收端可能无法通过上述方法获得所需的调制信息。因此，研究能够在未知调制方式的条件下完成信号解调的盲解调方法，具有十分重要的应用价值。

盲解调方法首先分析接收信号，识别出其中的调制方式；然后再根据识别结果改变解调方式，完成信号的正确解调。在调试方式识别领域，传统研究可分为基于似然函数和基于特征的两大类。前者的理论基础为贝叶斯检测；后者首先提取特征，然后利用分类器进行判决。基于似然函数的识别方法虽然可以获得较高的识别精度，但计算复杂度过高，因此主流的都是基于特征的识别方法。然而，基于特征的方法也存在着识别精度不高和需要手动提取特征等弊端，限制了它在实际系统中的广泛应用。在可变解调器领域，传统的可变解调器受硬件结构的限制，只适用少数特定的调制方式的解调，难以拓展实现其他调制方式的解调，通用性比较差。

深度学习源于人工神经网络的研究，它通过组合低层特征形成更加抽象的高层特征，以发现数据的分布式特征表示。软件无线电是用现代化软件来操作和控制传统“纯硬件电路”的无线通信技术，它打破了通信功能的实现依赖于硬件发展的格局。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于深度学习与软件无线电的盲解调方法方法，一方面基于深度学习技术，可以充分利用通信大数据，提高识别精度；另一方面基于软件无线电技术，可以使系统摆脱硬件条件的束缚，便于功能的升级和扩充。

为了实现上述目的，本发明的技术方案是：

一种基于深度学习与软件无线电的盲解调方法，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。

优选的，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。

优选的，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；