[发明专利]基于深度学习和四阶滞后矩谱的STBC-OFDM信号盲识别方法和装置

权利要求书

1.一种基于深度学习和四阶滞后矩谱的STBC-OFDM信号盲识别方法，其特征在于，包括以下步骤：

计算接收信号的四阶滞后矩，并生成四阶滞后矩向量；

采用二维矢量拼接将所述四阶滞后矩向量合并成四阶滞后矩谱；

构建注意力引导多尺度扩张卷积网络，将所述四阶滞后矩谱作为输入，输出识别结果，其中，

所述注意力引导多尺度扩张卷积网络包括注意力引导多尺度扩张卷积模块、特征融合层、残差层，所述将所述四阶滞后矩谱作为输入，输出识别结果，包括：

将所述四阶滞后矩谱输入注意力引导多尺度扩张卷积模块，输出多尺度引导特征，之后将所述多尺度引导特征输入特征融合层和残差层，并经由以softmax为激活函数的全连接层输出识别结果。

2.如权利要求1所述的方法，其特征在于，计算接收信号的四阶滞后矩，并生成四阶滞后矩向量，其中，所述四阶滞后矩表示为：

其中，对于第i个接收天线上由N_b个OFDM块组成的接收信号序列定义y(q,τ)表示在时延参数为(0,τ,0,τ)时的四阶滞后矩，

所述四阶滞后矩向量表示为：

V＝[E[y(0,τ)],E[y(1,τ)],…,E[y(N_s-1,τ)]]

其中，E[y(N_s-1,τ)]表示四阶滞后矩y(N_s-1,τ)的均值。

3.如权利要求1所述的方法，其特征在于，所述四阶滞后矩谱，表示为：

其中，表示第k个四阶滞后矩向量。

4.如权利要求1所述的方法，其特征在于，将所述四阶滞后矩谱输入注意力引导多尺度扩张卷积模块，输出多尺度引导特征，包括以下步骤：

输入的四阶滞后矩谱经多尺度扩张卷积后得到多尺度特征，获得对不同STBC-OFDM信号的四阶滞后矩谱具有针对性的特征表示；

通过一个标准卷积层以进一步提取多尺度特征图的深层特征；

最后将多尺度深层特征经由卷积块注意力模块引导生成多尺度引导特征。

5.如权利要求4所述的方法，其特征在于，所述将多尺度深层特征经由卷积块注意力模块引导生成多尺度引导特征，包括：

将所述多尺度深层特征输入通道注意力模块，生成通道注意特征；

将所述通道注意特征与所述多尺度深层特征的乘积作为空间注意力模块的输入，输出最终的多尺度引导特征。

6.如权利要求5所述的方法，其特征在于，将所述多尺度深层特征输入所述通道注意力模块中，包括：

输入特征图首先经过对通道维的全局平均池化和全局最大池化，产生两个频道注意图；

将生成的两个频道注意图送入共享多层感知器，之后将共享多层感知器输出的特征进行基于元素级的加和操作，再经过sigmoid激活操作，生成最终的通道注意特征。

7.如权利要求5所述的方法，其特征在于，将所述通道注意特征与所述多尺度深层特征的乘积作为空间注意力模块的输入，生成最终的多尺度引导特征，包括：

对所述通道注意特征与所述多尺度深层特征的乘积分别进行对空间维的全局平均池化和全局最大池化，得到第一特征图和第二特征图，并将第一特征图和第二特征图进行拼接操作；

将拼接后的特征图经标准卷积操作和sigmoid激活函数后生成空间注意特征；

将该空间注意特征和该模块的输入特征做乘法，得到最终的输出特征。