[发明专利]基于CNN-LSTM的识别SFBC的方法及装置

说明书

本申请公开了一种基于CNN‑LSTM的识别SFBC的方法及装置，其中，方法包括：获取接收信号的相关函数，并提取相关函数的傅里叶变换公式；分别将傅里叶变换公式的实部与虚部分开排列，并将包含标签的训练数据输入CNN‑LSTM网络进行训练，直至网络收敛，得到最终CNN‑LSTM网络；获取无标签的待识别数据，将待识别数据输入最终CNN‑LSTM网络中进行识别，得到SFBC识别结果。本申请实施例的基于CNN‑LSTM的识别SFBC的方法，能够对单接收天线下的串行序列SFBC码进行识别，并且训练后的网络模型可直接用于识别，不需要重复计算信号的统计特征，在低信噪比情况下有较好的识别性能。

技术领域

本申请涉及信号处理技术领域，特别涉及一种基于CNN(Convolutional NeuralNetwork，卷积神经网络)-LSTM(Long Short-Term Memory，长短期记忆网络)的识别SFBC(Space Frequency Block Code，空频块码)的方法及装置。

背景技术

MIMO(multiple-in multiple-out，多输入多输出)系统以其对空间资源的有效利用，成为了无线电通信领域的一项重要技术。空频分组码作为一种利用MIMO系统的编码方式，其识别问题受到了越来越多的关注。

然而，该处理方式一般需要人为设计特征参数和检验阈值，且每次对信号进行识别时都需要采集大量数据，并重复计算其统计特征，亟待解决。

申请内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一目的在于提出一种基于CNN-LSTM的识别SFBC的方法，能够对单接收天线下的串行序列SFBC码进行识别，并且训练后的网络模型可直接用于识别，不需要重复计算信号的统计特征，在低信噪比情况下有较好的识别性能，避免了人为设计参数和特征反复计算的问题，具有更强的适应性。

本发明的第二个目的在于提出一种基于CNN-LSTM的识别SFBC的装置。

本发明的第三个目的在于提出一种电子设备。

本发明的第四个目的在于提出一种计算机可读存储介质。

为达到上述目的，本申请第一方面实施例提供一种基于CNN-LSTM的识别SFBC的方法，包括以下步骤：

获取接收信号的相关函数，并提取所述相关函数的傅里叶变换公式；

分别将所述傅里叶变换公式的实部与虚部分开排列，并将包含标签的训练数据输入CNN-LSTM网络进行训练，直至网络收敛，得到最终CNN-LSTM网络；以及

获取无标签的待识别数据，将所述待识别数据输入所述最终CNN-LSTM网络中进行识别，得到SFBC识别结果。

另外，根据本发明上述实施例的基于CNN-LSTM的识别SFBC的方法还可以具有以下附加的技术特征：

可选地，所述相关函数的计算公式为：

y(k)＝r(k)r(k+N/2),k＝0,1,…M，

其中，N为所述接收信号的长度，y＝[y(0),y(1),…y(K-1)]为所述接收信号的相关函数。