申请/专利权人：浙江工业大学

申请日：2023-12-11

公开（公告）日：2024-03-12

公开（公告）号：CN117692104A

主分类号：H04L1/00

分类号：H04L1/00;H04L25/03

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.29#实质审查的生效;2024.03.12#公开

摘要：一种基于深度学习的预降噪通信物理层盲接收方法，用matlab搭建无线通信系统模型，并使用该系统模型分别获得PDN模型和SLSTM模型的训练数据集和测试数据集；构建基于PDN模型和SLSTM模型级联的无线通信物理层接收模型；利用训练数据集，采用均方误差函数作为损失函数，并使用Nadam优化算法对PDN网络模型进行训练，以更新PDN网络模型；采用交叉熵损失函数作为损失函数，并使用Nadam优化算法对SLSTM网络模型进行训练，以更新SLSTM网络模型；利用测试数据集，对所得到的无线通信物理层接收机进行BER性能测试。本发明提升BER性能。

主权项：1.一种基于深度学习的预降噪通信物理层盲接收方法，其特征在于，所述方法包括以下步骤：S1、用matlab搭建传统无线通信系统模型，并使用该系统模型分别获得PDN模型和SLSTM模型的训练数据集和测试数据集；S2、构建基于PDN模型和SLSTM模型级联的无线通信物理层接收模型；S3、利用S1中PDN模型的训练数据集，采用均方误差函数作为损失函数，并使用Nadam优化算法对PDN网络模型进行训练，以更新PDN网络模型参数；同时，利用步骤S1中SLSTM模型的训练数据集，采用交叉熵损失函数作为损失函数，并使用Nadam优化算法对SLSTM网络模型进行训练，以更新SLSTM网络模型参数；当PDN网络模型和SLSTM网络模型预测值与真实值对比的错误率不再下降，停止训练，并将训练后的PDN模型和SLSTM模型进行级联后作为无线通信物理层接收机；S4、利用S1中的测试数据集，对步骤S3中所得到的无线通信物理层接收机进行BER性能测试。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于深度学习的预降噪通信物理层盲接收方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD