欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021111781086
申请人: 苏州大学
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于复数值神经网络的信道估计方法,其特征在于,包括以下步骤:S1、构建复数值神经网络;

S2、在接收端提取导频,并估计导频信号的CFR值,得到训练集和测试集;

S3、将训练集中导频信号的CFR值作为输入对复数值神经网络进行离线训练,得到训练后的复数值神经网络;

S4、将测试集中导频信号的CFR值作为输入对训练好的复数值神经网络进行测试,得到数据信号的CFR值;

S5、根据数据信号的CFR值恢复原始的传输信号。

2.如权利要求1所述的基于复数值神经网络的信道估计方法,其特征在于,所述复数值神经网络包括输入层、隐含层和输出层,输入信号在输入层、隐含层和输出层之间通过非线性变换来完成前向传播;根据输出层的输出值和前向传播的标签值之间的误差值,利用学习算法更新复数值神经网络中的参数来完成反向传播。

3.如权利要求2所述的基于复数值神经网络的信道估计方法,其特征在于,所述非线性变换通过激活函数来实现。

4.如权利要求3所述的基于复数值神经网络的信道估计方法,其特征在于,所述激活函数为复数tanh函数。

5.如权利要求2所述的基于复数值神经网络的信道估计方法,其特征在于,所述输入层输入的数据为导频信号的CFR值,如下:T

X=[X1,X2,…,Xm]所述隐含层的输出Hj(j=1,2,…,p)如下:1

其中,Wij和bj分别是从输入层到隐含层的复数值权重和偏置,f(·)为复数tanh函数;

所述输出层的最终输出Yk(k=1,2,…,n)如下:2

其中,Wjk和bk分别是从隐含层到输出层的复数值权重和偏置。

6.如权利要求2所述的基于复数值神经网络的信道估计方法,其特征在于,所述反向传播是复数值神经网络的训练过程,训练是由学习算法和代价函数来完成,通过不断更新复数权重和偏置来最小化代价函数。

7.如权利要求6所述的基于复数值神经网络的信道估计方法,其特征在于,所述代价函数如下:

其中, 为标签,即数据信号的CFR值,(·)*表示复数值向量的共轭。

8.如权利要求6所述的基于复数值神经网络的信道估计方法,其特征在于,所述学习算法为L‑BFGS算法。

9.如权利要求1所述的基于复数值神经网络的信道估计方法,其特征在于,所述导频信号的CFR值通过以下公式计算:其中,Xp(k)和Yp(k)分别为发送端和接收端的导频信号;HLS(k)为频域中导频处的信道响应,即导频信号的CFR值。

10.一种基于复数值神经网络的信道估计系统,其特征在于,包括:网络构建模块,用于构建复数值神经网络;

导频信号计算模块,用于在接收端提取导频,并估计导频信号的CFR值,得到训练集和测试集;

离线训练模块,用于将训练集中导频信号的CFR值作为输入对复数值神经网络进行离线训练,得到训练后的复数值神经网络;

测试模块,用于将测试集中导频信号的CFR值作为输入对训练好的复数值神经网络进行测试,得到数据信号的CFR值;并根据数据信号的CFR值恢复原始的传输信号。