[发明专利]一种基于ELM的时间同步方法

说明书

本发明公开了一种基于ELM的时间同步方法，包括：收集接收信号，构建训练数据集合i＝1,2,…,N_t；构建基于ELM时间同步的网络模型；离线训练基于ELM时间同步的网络模型并保存模型及参数；在线运行基于ELM时间同步的网络模型，得到时间同步估计值本发明的时间同步方法借助ELM网络构建时间同步网络模型，与经典的“互相关”同步方法相比，可有效提高系统的时间同步性能；在系统存在非线性失真时，本发明的时间同步方法仍然适用。

技术领域

本发明涉及时间同步技术领域，特别涉及一种基于ELM(extreme learningmachine极限学习机)的时间同步方法。

背景技术

通信系统中的发射机存在大量非线性器件或模块，造成发射信号不可避免的存在非线性失真。作为无线通信系统的重要组成部分之一，时间同步在非线性失真条件下的同步性能严重恶化。

基于“互相关法”的经典时间同步方案因非线性失真的存在，训练序列的正交性遭到破坏，所以同步性能大大降低，继而在非线性失真条件下难以适用；而利用深度神经网络学习进行时间同步虽能提高系统时间同步性能，但其面临复杂的参数调谐、较长的训练时间等一系列问题。

相对于深度学习神经网络，ELM具有不需要反向梯度传播，网络输入权重和偏置根据随机分布产生且固定，学习速度快等优点。本发明在接收端利用ELM网络学习出同步度量特性，从而估计出时间同步的偏移位置。本发明可提高系统的时间同步性能，如可减小时间同步的错误概率；特别地，在系统存在非线性失真时，本发明方法仍可适用，具有重大意义。

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ELM的时间同步方法，提高了系统(特别是非线性失真系统)的时间同步性能。

本发明的目的是通过以下技术方案来实现的：一种基于ELM的时间同步方法，包括以下步骤：

S1.收集接收信号，构建训练数据集合

S2.构建基于ELM的时间同步网络模型，

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；

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

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_yi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i＝1,2,…,N_t。

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：