[发明专利]基于劲向基神经网络的抗干扰方法

说明书

本发明公开了基于劲向基神经网络的抗干扰方法，包括以下步骤：步骤一：通过频谱扫描实时获取一个随机序列；步骤二：通过干扰分类算法将步骤一中获取的随机序列进行识别窄带干扰、宽带干扰、梳妆干扰；步骤三：针对窄带干扰、宽带干扰、梳妆干扰不同的干扰类型设计波形判决模块，波形判决模块包括NC波形决策算法、TDCS波形决策算法和扩频波形决策算法。本发明中，将劲向基神经网络应用于切换通信波形以抵抗不同类型干扰，能够适用于更多通信场景，该基于劲向基神经网络的抗干扰方法满足应对突发干扰情况下的波形选择要求，与传统通信系统相比，可以适用于更多的通信场景，实现在复杂环境下进行高效可靠数据传输。

技术领域

本发明涉及信噪比计算技术领域，尤其涉及基于劲向基神经网络的抗干扰方法。

背景技术

基于劲向基神经网络是一种三层神经网络，其包括输入层、隐层、输出层。从输入空间到隐层空间的变换是非线性的，而从隐层空间到输出层空间变换是线性的，基于劲向基神经网络的基本思想是，用RBF作为隐单元的“基”构成隐含层空间，这样就可以将输入矢量直接映射到隐空间，而不需要通过权连接。当RBF的中心点确定以后，这种映射关系也就确定了。而隐含层空间到输出空间的映射是线性的，即网络的输出是隐单元输出的线性加权和，此处的权即为网络可调参数，网络由输入到输出的映射是非线性的，而网络输出对可调参数而言却又是线性的，网络的权就可由线性方程组直接解出，从而大大加快学习速度并避免局部极小问题。

随着通信业务种类的增多，未来信息化发展对通信系统的宽带化、智能化提出了更高的要求，为了实现在复杂电磁环境下进行有效通信，传统抗干扰技术通过人工判断高速波形是否可用，当达不到误码率(BER)等要求时则使用以跳、扩频为代表的抗干扰波形，以人工的方式判断干扰情况、切换通信波形不能及时应对电磁环境的瞬息万变，针对复杂干扰情况也难以选择最佳的传输手段，无法满足抗干扰技术的智能化需求。

发明内容

为了实现上述目的，本发明采用了如下技术方案：基于劲向基神经网络的抗干扰方法，包括以下步骤：

步骤一：通过频谱扫描实时获取一个随机序列；

步骤二：通过干扰分类算法将步骤一中获取的随机序列进行识别窄带干扰、宽带干扰、梳妆干扰；

步骤三：针对窄带干扰、宽带干扰、梳妆干扰不同的干扰类型设计波形判决模块，波形判决模块包括NC波形决策算法、TDCS波形决策算法和扩频波形决策算法，实现抗干扰；

步骤四：将波形判决模块的波形决策算法的波形选择结果作为参数之输入劲向基神经网络中进行学习，通过向基神经网络根据各个模式的最佳波形确定波形判决模块的波形决策算法。

作为上述技术方案的进一步描述：

所述NC波形决策算法主要包括频谱感知、调制解调、信噪比估计，NC波形决策算法的基本结构时在首发端增加动态频谱感知，将频谱感知结构与预先设置好的阈值进行比较，并剔除可用子载波。

作为上述技术方案的进一步描述：

所述TDCS波形决策算法时在频域构造不含干扰频点的信号波形，结合扩频方式将有用信号扩展到整个可用频段。

作为上述技术方案的进一步描述：

所述TDCS波形决策算法时在频域构造不含干扰频点的信号波形的方法为首先对环境进行进行频谱扫描，并将目标段量化成N个子载波，然后通过将扫描结果的频谱复制与预先设计的阈值进行比较，并对子载波的可用性进行标记，使得收发机得到的所有子载波效用序列。

作为上述技术方案的进一步描述：