[发明专利]一种利用星座图的基于深度学习的信噪比估计方法

权利要求书

1.一种利用星座图的基于深度学习的信噪比估计方法，其特征在于，具体包含离线训练和在线估计两个阶段：

离线训练阶段，根据已知的SNR数据集训练得到深度神经网络模型M，其中，深度神经网络模型M的训练过程具体如下：

a)信号生成：利用MATLAB软件，仿真得到[m,n]范围内的N个不同SNR的数字信号，构成已知的SNR数据集其中，任意1≤i≤N，γ_i的数据类型为整型或浮点型；

b)信号预处理：对仿真得到的每一数字信号进行预处理，得到N张星座图，同时调整星座图的尺寸以及格式与后续网络的数据输入尺寸及输入形式相匹配；

c)数据标定：根据信号的SNR，给预处理后得到的星座图打上相应的标签，以数据本身的SNR值作为标签；

d)数据集划分：将数据集s按比例划分成训练集和验证集，训练集用于网络训练，验证集用来防止训练过拟合；

e)网络配置：网络配置包括深度学习框架的选取和参数设置，深度学习框架包括TensorFlow、Keras、PyTorch、Caffe以及DeepLearning4j；

f)网络训练：将步骤d)得到的训练集送入步骤e)配置好的深度神经网络进行训练，训练的同时进行定期验证，从而得到深度神经网络模型M；

在线估计阶段，将任意的接收信号y_k送入离线训练阶段中步骤f)得到的深度神经网络模型M进行模型测试，得到接收信号的SNR估计值具体流程如下：

a)信号预处理：对任意的接收信号y_k进行预处理，得到对应的星座图；

b)模型测试：将步骤a)处理得到的星座图喂给深度神经网络模型M，进行模型测试，得到接收信号y_k的SNR估计值