[发明专利]一种基于RBF神经网络的多普勒频偏估计方法和系统

权利要求书

1.一种基于RBF神经网络的多普勒频偏估计方法，其特征在于，包括：

步骤1、确定高速移动环境中接收端收到的导频信号样本集为：

X(K)＝(x₁(K)、x₂(K),......,x_i(K))

式中，i表示接收端收到的导频信号个数；x_i(K)表示接收端收到的第i个导频信号；

步骤2、在高速移动环境中随机生成多普勒频偏，利用不同多普勒频偏情况下的导频信号组成训练样本对三层RBF神经网络进行训练，得到最优权值；

其中，三层RBF神经网络的训练方法包括：

计算RBF神经网络误差

y_j(K)＝ω_ji(K)S_i(K)

其中，j表示RBF神经网络输出的多普勒频偏估计值个数；δ_j(K)表示RBF神经网络误差值，δ_j(K)＜ε，ε＝1×10^-4；y_d(K)表示实际多普勒频偏值；y_j(K)表示RBF神经网络输出的多普勒频偏估计值；S_i(K)表示高斯函数；σ_i(K)表示高斯函数宽度；ζ_i(K)表示RBF隐含层神经元节点的中心；ω_ij(K)表示RBF神经网络隐含层到输出层权值；

步骤3、计算RBF神经网络权值调节律：

式中，表示RBF神经网络隐含层到输出层权值估计值；表示RBF神经网络误差值变化率；

Λ_ji(K)＝diag(Λ_j1(K),Λ_j2(K),...,Λ_jn(K)),Γ_ji(K)＝diag(Γ_j1(K),Γ_j2(K),...,Γ_jn(K))

Λ_ji(K)＞0,Γ_ji(K)＞0,Λ_ji(K)、Γ_ji(K)分别为正对角矩阵；

步骤4、判断RBF神经网络误差值是否小于给定误差；

如果δ_j(K+1)＞ε,则计算RBF神经网络误差值，否则δ_j(K+1)＜ε，计算结束。

2.根据权利要求1所述的基于RBF神经网络的多普勒频偏估计方法，其特征在于，包括：

通过步骤1-步骤4得到的RBF神经网络误差值，接收端设备将接收到的导频信号送入训练后具有最优权值的RBF神经网络，从而得到多普勒频偏估计值；

利用得到的多普勒频偏估计值，对多普勒频偏进行补偿。