[发明专利]一种通信系统接收端已知信号消除方法及系统

说明书

本发明公开了一种通信系统接收端已知信号消除方法及系统，包括构建接收端接收信号模型为y(t)＝s(t)+d(t)+N(t)；接收信号y(t)依次通过带通滤波器和低噪声放大器，然后与本地载波相乘后通过低通滤波器进行带通滤波，通过ADC进行模数转换，得到接收信号y(n)＝s(n)+d(n)+N(n)；利用y(n)＝s(n)+d(n)+N(n)制作数据集，包括训练集ysubgt;x/subgt;(n)和测试集ysubgt;e/subgt;(n)；将训练集ysubgt;x/subgt;(n)和测试集ysubgt;e/subgt;(n)分别与参考信号I(n)进行整合，得到输入训练集hsubgt;x/subgt;(n)＝[ysubgt;x/subgt;(n)，I(n)]和输入测试集hsubgt;e/subgt;(n)＝[ysubgt;e/subgt;(n)，I(n)]；初始化DNN神经网络参数，利用输入训练集hsubgt;x/subgt;(n)＝[ysubgt;x/subgt;(n)，I(n)]训练DNN神经网络，保存训练好的模型；将输入测试集hsubgt;e/subgt;(n)＝[ysubgt;e/subgt;(n)，I(n)]送入到训练好的DNN神经网络模型中进行处理，得到输出目标信号s′(n)。本发明对已知干扰信号到达的时间没有要求且可以有效的消除已知干扰信号。

技术领域

本发明属于通信系统接收端已知干扰信号消除领域，涉及通信系统接收端已知信号消除方法及系统，特别是是一种基于深度神经网络的同时同频已知信号消除方法及系统。

背景技术

随着电子信息及通信技术的发展，在日常的生活环境中电磁信号也越来越复杂。尤其是在低频段，带宽的使用率较高，各种信号云集其中，信号形式比较密集。在接收目标信号时，通常会受到一些其他形式信号的影响，甚至会淹没在其他形式的干扰信号中。在低频段密集的信号中，存在一些已知形式的信号，如导航信号等。当目标信号与已知干扰信号位于同频段时，为了更精准的识别目标信号，对于接收端就要消除已知信号以降低其对目标信号的影响。

目前针对已知形式的信号对消领域的研究相对较少，当信号的出现时刻和信号形式是已知时，使用传统的自适应滤波算法可以对其进行有效的消除，而在实际电磁环境中，要消除的已知信号的到达时间是未知的，因此在使用自适应滤波器时需要对信号的到达时间进行估计，这样不仅需要增加计算量，还可能导致由于已知信号到达时间的误差而导致目标信号被淹没。近些年来，有学者通过对深度神经网络的深入理解，提出了使用深度神经网络替代传统的自适应滤波器来达到消除干扰信号的目的，但并未将其引入到已知信号消除领域。

发明内容

针对上述现有技术，本发明要解决的技术问题是提供一种基于深度神经网络的通信系统接收端已知信号消除方法及系统，对已知干扰信号到达的时间没有要求且可以有效的消除已知干扰信号。

为解决上述技术问题，本发明的一种通信系统接收端已知信号消除方法，包括以下步骤：

S1：构建接收端接收信号模型为y(t)＝s(t)+d(t)+N(t)，其中s(t)为目标信号，d(t)为已知干扰信号，n(t)为噪声信号，s(t)和d(t)为同频信号；

S2：接收信号y(t)依次通过带通滤波器和低噪声放大器，然后与本地载波相乘后通过低通滤波器进行带通滤波，然后通过ADC进行模数转换，得到接收信号y(n)＝s(n)+d(n)+N(n)；

S3：利用S2得到的接收信号y(n)＝s(n)+d(n)+N(n)制作数据集，包括训练集y_x(n)和测试集y_e(n)；

S4：将训练集y_x(n)和测试集y_e(n)分别与参考信号I(n)进行整合，得到DNN神经网络输入训练集h_x(n)＝[y_x(n),I(n)]和输入测试集h_e(n)＝[y_e(n),I(n)]；