[发明专利]一种基于ELM的时间同步方法

权利要求书

1.一种基于ELM的时间同步方法，其特征在于：包括以下步骤：

S1.收集接收信号，构建训练数据集合

步骤S1中所述构建训练数据集合的步骤包括：

S101.收集N_t个长度为M的样本序列形成样本序列集合:

S102.对样本序列集合进行预处理，得到标准度量矢量集合:

S103.根据同步偏移值τ_i,i＝1,2,…,N_t形成标签集合

所述的标签T_i,i＝1,2,…,N_t根据同步偏移值τ_i，利用one-hot编码得到，即:

所述的τ_i由接收信号y_i确定，根据统计信道模型，或根据实际场景结合现有方法或设备收集得到；

S104.标准度量矢量集合和标签集合组成训练数据集合

S2.构建基于ELM的时间同步网络模型；

步骤S2中所述的网络模型与参数如下：

ELM网络模型包含1个输入层，1个隐藏层，1个输出层，输入层节点数为N，隐藏层节点数为N＝mN，输出层节点数为N，根据随机分布产生权重和偏置隐藏层采用sigmoid作为激活函数，将预处理后的标准度量矢量集合作为输入，其中m根据工程经验预先设置；

S3.离线训练基于ELM的时间同步网络模型并保存模型及参数；

步骤S3中所述的离线训练和模型参数保存包括以下子步骤：

S301.依次将标准度量矢量输入ELM网络模型，隐藏层输出表示为：

所述σ(·)表示激活函数sigmoid；

S302.由N_t个标准度量矢量得到的N_t个隐藏层输出H_i构成隐藏层输出矩阵:

根据隐藏层输出矩阵H和步骤S103中构建的标签集合T，求得输出权重

所述表示H的Moore–Penrose伪逆；

S303.保存模型参数W，b和β；

S4.在线运行基于ELM的时间同步网络模型，得到时间同步估计值

2.根据权利要求1所述的一种基于ELM的时间同步方法，其特征在于：步骤S102中所述的预处理包括：

S1021.在样本序列y_i中观察长度为N_s的观察序列与长度为N_s的训练序列作“互相关运算”后，得到“互相关度量”即：

所述t表示观察序列的起始索引位置，t的取值从0到N-1，例如t＝0表示从样本序列y_i的第一个元素开始观察N_s长的样本序列；表示y_i中t到t+N_s-1个元素；N＝M-N_s；

S1022.由N个相关度量构成度量矢量对N_t个度量矢量γ_i进行归一化处理，得到标准度量矢量即：

其中，||γ_i||表示度量矢量γ_i的Frobenius范数。

3.根据权利要求1所述的一种基于ELM的时间同步方法，其特征在于：步骤S4中所述的在线运行和时间同步估计值求解包括以下子步骤：

S401.接收在线样本序列根据步骤S1021～S1022进行预处理得到在线标准度量矢量：

将送入ELM网络模型中学习出输出向量表示为：

S402.找到输出向量O中幅度平方的最大值的索引位置，即时间同步估计值