一种基于卷积神经网络的通信包络线峰谷值的预测方法技术

本发明专利技术公开了一种基于卷积神经网络的通信包络线峰谷值的预测生成方法，通过使用多路卷积神经网络实现包络线峰值点P(t

【技术实现步骤摘要】
一种基于卷积神经网络的通信包络线峰谷值的预测方法


[0001]本专利技术涉及包络线跟踪电源控制领域，具体是涉及一种基于卷积神经网络的通信包络线峰谷值的预测方法。

技术介绍

[0002]对于传统通信系统中的RF射频信号功率放大器，PA的供电电源电压值一般为固定值，供电电压不可变化，在恒包络GMSK等调制系统中，使用此类电源的PA有着较高的效率。但随着通信技术的迭代更新，通信系统将要具有更高的数据吞吐量以及更高的通信频带利用率。OFDM，CDMA等更为复杂的调制方式应运而生，但在此类调制方式中，RF射频信号不再是恒包络信号，而是具有较大峰均比值，最大峰均比甚至可能达到12dB以上；这意味着信号包络变化速度及幅度将会大幅度上升，在此情况下，继续使用恒定电压方案给PA供电，将会造成极大的能源浪费。
[0003]因此，提出了包络线跟踪电源技术，这种技术是根据实时RF射频信号幅值的大小，通过控制GaN等开关变换器的通断，实现对PA的供电电压值的调节，此技术可大大提高电能的利用率。据不完全统计，若采用包络线跟踪电源取代恒压供电方案为功率放大器供电，全球每年可以节省100万kW/h的电能消耗和28亿美元的电费开支，并可减少2600万吨的二氧化碳排放量。常规的包络线跟踪电源的输入为RF射频包络线信号；再根据包络线的变化，产生相对应的开关变换器的控制信号，根据电压控制策略对开关变换器的通断进行控制，从而调节功率放大器的供电电压，完成通信信号发送过程。
[0004]在常规的包络线跟踪电源技术应用情况下，硬件电路需要在短时间内完成包络线的提取以及控制信号产生等过程，不仅电路设计较为复杂，硬件电路计算耗时且计算压力大，且需要对通信系统进行延时来实现两个系统的时间同步，在当下愈发追求通信传输效率现状下，如何通过提高包络线系统的计算效率，实现通信速率的提升，是该领域一大突破方向。
[0005]神经网络自1943年提出以来，由于受到优化算法及硬件计算能力的限制，神经网络发展经历了两次低谷期，但2010年以来，随着计算机计算能力的飞速提升，神经网络重新进入了人们的视野，并在近十年得到了急速的发展，取得了巨大的成就，并在各个领域得到了推广应用。神经网络的运行和模型构建是对人脑神经元结构的模拟，卷积神经网络能实现范围感知与特征提取。现今各个领域中的问题建模大都是线性与非线性运算的叠加，嵌套；通过选用不同的激活函数，神经网络能进行大部分的线性和非线性运算，普适性较高，能应用于大量问题的数学建模工作。
[0006]在通信信号调制过程中，大多数的通信数据运算处理方式都是线性映射或卷积运算；常规BP神经网络层与层之间的连接符合卷积与线性运算的运算规则，并可通过使用非线性激活函数完成非线性函数的拟合；因此，BP神经网络可实现从通信基带信号到通信包络线的预测。。
[0007]目前，为了简化和优化通信PA电源的控制策略，现行的控制策略大都是在包络线
的峰值、谷值等特征位置施加控制信号；常规BP神经网络可实现包络线的预测，但往往无法完成特征提取等功能，并且预测通信包络线所设计的BP神经网络的参数量往往较大，所占用的计算资源较大。如专利申请CN113572340A公开了一种包络线跟踪电源控制基准信号预测生成方法和装置，其所使用的是BP神经网络，网络结构相当于一个黑箱，网络仅具有卷积运算能力，只能通过增加网络节点数、网络层数等较为消耗算力的方式来增强数据拟合能力。
[0008]卷积神经网络由于其特征提取的特性，较为广泛的应用是在图像处理与分类，在数据处理时很少考虑到使用卷积神经网络；考虑到卷积神经网络所具有的卷积层，全连接层等都可实现BP神经网络的功能，并且网络层之间的连接不限于单一前后关系；其数据的特征提取的特性，网络结构设计灵活；因此，运用卷积神经网络可实现通信基带信号到PA所需要的包络线峰值谷值等信息提取的建模具有较强的适用性与可行性。如何将卷积神经网络应用于通信包络线峰值谷值以及相关的时间信息预测，对通信包络线跟踪电源的控制信号的生成，具有一定的参考意义。

技术实现思路

[0009]为解决上述技术问题，本专利技术提供了一种基于卷积神经网络的通信包络线峰谷值的预测方法；根据从基带信号到通信包络线峰谷值的数据流程，针对性的对卷积神经网络结构进行设计，通过使用卷积神经网络，实现了通信基带信号到通信包络线峰谷值的预测生成。
[0010]本专利技术所述的一种基于卷积神经网络的通信包络线峰谷值的预测生成方法，步骤为：构建多路卷积神经网络，将所述多路卷积神经网络分成两段；
[0011]第一段使用两路并行的卷积神经网络，将基带信号进行预处理后作为第一段卷积神经网络的输入信号，生成包络线模值乘方值；
[0012]第二段使用三路并行的卷积神经网络，将包络线模值乘方值作为输入信号，分别预测包络线模值的乘方值峰值时间点t
p
和谷值时间点t
v
，输出通信包络线乘方信号的峰值点P(t
p
)和谷值点V(t
v
)。
[0013]进一步的，第一段两路并行的卷积神经网络，每一路各使用一层卷积层完成基带信号到包络线实部、虚部的映射；每一路再分为双路，其中一路直接传输数据，另一路经过一个卷积层，这两路结果输入乘法层，输出结果为包络线信号实部及虚部模值的乘方值；实部、虚部模值的乘方值通过加法层进行相加运算，加法层输出结果为包络线模值的乘方值。
[0014]进一步的，第二段使用三路并行的卷积神经网络对包络线模值的乘方值峰值、谷值的时间点t
p
、t
v
进行提取，若该点为峰值或谷值，则该位置输出结果为1，否则为0。
[0015]进一步的，第二段中，使用卷积神经网络乘法层，包络线模值的乘方值分别与峰值点和谷值点相乘，则仅位置输出结果为1的峰值点和谷值点信息保留，使用加法层，将两路相乘结果相加，输出结果为包络线峰值点和谷值点的乘方值。
[0016]进一步的，对输出的包络线峰值点和谷值点的乘方值进行开根操作，得到通信包络线峰值点P(t
p
)、谷值点V(t
v
)。
[0017]本专利技术所述的有益效果为：本专利技术所述的方法，根据基带信号到通信包络线的生成步骤，进行卷积神经网络设计，网络结构符合包络线峰谷值的生成逻辑与原理，相较于硬
件运算，占用的计算资源更少，包络线峰谷值的生成速度更快。本专利技术可仅使用一个网络就实现从基带信号到包络线模值乘方值的峰谷值的生成，而无需在网络之外进行更多的运算操作，对计算资源有较好的整合作用。
附图说明
[0018]图1是本专利技术卷积神经网络工作框图；
[0019]图2是本专利技术卷积神经网络内部结构示意图；
[0020]图3是本专利技术可拆分的峰值(谷值)生成实施方式示例图；
[0021]图4是卷积神经网络训练方法示意图；
[0022]图5是本专利技术硬件替代类峰谷值生成实施方式示例图。
具体实施方式
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的通信包络线峰谷值的预测生成方法，其特征在于，构建多路卷积神经网络，将所述多路卷积神经网络分成两段；第一段使用两路并行的卷积神经网络，将基带信号进行预处理后作为第一段卷积神经网络的输入信号，生成包络线模值乘方值；第二段使用三路并行的卷积神经网络，将包络线模值乘方值作为输入信号，分别预测包络线模值的乘方值峰值时间点t
p
和谷值时间点t
v
，输出通信包络线乘方信号的峰值点P(t
p
)和谷值点V(t
v
)。2.根据权利要求1所述的一种基于卷积神经网络的通信包络线峰谷值的预测生成方法，其特征在于，第一段两路并行的卷积神经网络，每一路各使用一层卷积层完成基带信号到包络线实部、虚部的映射；每一路再分为双路，其中一路直接传输数据，另一路经过一个卷积层，这两路结果输入乘法层，输出结果为包络线信号实部及虚部模值的乘方值；实部、虚部模值的乘方值通过加法层...

【专利技术属性】
技术研发人员：周岩，陈建，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：