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。