[发明专利]一种基于深度卷积神经网络的信道编码参数识别方法

说明书

本发明公开了一种基于深度卷积神经网络的信道编码参数识别方法，包括以下步骤：S1、模拟通信链路结构，生成信道编码参数识别数据集；S2、对信道编码参数识别数据集的数据进行归一化，并将信道编码参数识别数据集划分为训练样本集、验证样本集与测试样本集；S3、构建基于深度卷积神经网络的信道编码参数识别模型；S4、训练深度卷积神经网络模型；S5、用测试样本集获得信道编码参数识别的识别准确率。本发明使用基于深度卷积神经的信道编码参数识别网络模型，可以自动提取不同信道编码的通信信号特征，简化了通信信号特征提取的步骤，提高了无线电信号识别的效率，能够快速解决复杂通信环境下信道编码参数识别问题。

技术领域

本发明属于无线通信技术领域，特别涉及一种基于深度卷积神经网络的信道编码参数识别方法。

背景技术

目前，信道编码在各个领域都被广泛的研究，不管在公共交换电话网、因特网、航空航天和数据存储系统，还是在数据传输系统中，信息的传输都存在以下问题，数据是在有线或者无线信道上传输的，信道存在于现实环境中，或多或少受着环境变化的影响，且信道受到的噪声和干扰是随机变化的，信道的质量受到不可控制因素的影响，而带宽资源也是有限且是随时间而变化的，在进行无线通信时，为确保可靠通信，信道编码都是根据信道最差情况进行设计的，但是基于这种原则无法充分利用信道容量，传输效率较低。在主流的移动通信中，多采用自适应调制编码AMC(Adaptive Modulation and Coding)技术，通过判断信道的质量实时改变调制编码参数来提高信道利用率，为了支持自适应调制编码，通常在控制信道传递相关参数信息，但这又会增加控制信道的开销。信道编码识别技术就是指在没有控制信道辅助的情况下，接收端根据收到的数据快速地分析出信号的编码参数，为进一步数据分析处理提供可靠保障。

随着数字通信技术的不断发展和通信技术的广泛应用，信道编码参数识别技术在许多通信领域都体现了重要的应用价值：(1)信息对抗领域：当捕获到对方信息数据后，只有快速有效地识别出其编码参数，才能准确恢复对方原始信息，以便为通信侦察方提供可靠情报。(2)协作通信领域：鉴于发送端信号在传输过程中会受到信道、时延等不确定干扰因素的影响，可能导致接收方不能及时有效地接收信息，对接收方来说，为准确获取信息，对信道编码体制进行深入研究也是十分必要的。(3)智能移动通信领域：为了获得高效的通信效率和最佳的服务质量，在此领域需要随时间及通信环境的改变实时调整信道编码体制，此种情况下，通信者之间通常无法通过事前约定通信协议的方式进行同步联络，这里就需要信息接收方能够根据接收到的少量信息快速识别出编码结构及相关参数，从而进行有效的通信。(4)网络对抗领域：当对方网络信源、通信协议加密时，可选择从信道编码结构上攻击对方网络，此时识别出信道编码结构也是非常关键的。鉴于具有纠错功能的分组码在数字通信领域的广泛应用以及信道编码参数识别技术的需求，研究信道编码参数识别的实现技术具有重要的应用价值和现实意义。

天津大学在其申请的专利文献“一种基于最大似然译码的快速信道编码盲识别方法”(申请号201910467744.7，申请公布号CN 110233703A)公开了一种基于最大似然译码的快速信道编码盲识别算法。本发明将信道译码和信道编码识别性结合，以信道最大似然译码中参数最大欧式距离作为识别特征量。利用NP准则推导出满足系统可靠性需求的最佳检测阈值，对每个可能的编码候选进行识别。该方法虽然提出了一种信道编码参数识别算法，但是过度依赖专家先验，并且依赖译码的准确率，不适用于低信噪比数值的情况。