【技术实现步骤摘要】
所属的技术人员可以清楚地了解到，为方便的描述和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。进一步的，本申请实施例还提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例所述的基于神经网络的无线信号重建方法。进一步的，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行程序，所述计算机可执行程序用于使计算机执行如上述实施例所述的基于神经网络的无线信号重建方法。本领域内的技术人员应明白，本申请的实施例还可提供包括计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、装置和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作
技术介绍
1、随着现代通信技术的飞速发展，无线通信在各种应用场景中的重要性逐渐增强。在小信噪比（snr）的环境中，如何保证通信的可靠性和稳定性成为一个重要的挑战。
2、为了确保通信的可靠性，目前常用的接收端的信号重建方法是利用射频前端接收发射端的信号，然后依次对接收的同向正交信号（又称iq信号）进行去噪、调制解调、信道解码和信源解码等等一系列的处理，以重建出发射端的信号。
3、但目前常用的方法有如下技术问题：目前常用的处理方式对信噪比的要求较高，一旦在复杂和信噪比较低的信道环境中，接收的信号的噪声较大，后续调制操作难以消除信号噪声，导致重建的信号与发射端的信号的偏差较大，无法重建出原信号。
技术实现思路
1、本专利技术提出一种基于神经网络的无线信号重建方法、装置、接收机及系统，所述方法。
2、本专利技术实施例的第一方面提供了一种基于神经网络的无线信号重建方法，所述方法包括：
3、在确定无线通信模式后，接收发射端发送的输入无线信号，所述无线通信模式包括：fm模式、fsk模式、qpsk模式和qam模式；
4、根据所述无线通信模式调用对应的神经网络模块对所述输入无线信号进行解调，得到重建信号，所述神经网络模块是采集发射端在不同模式下发送的信号训练数据集对深度神经网络进行训练和优化调整得到。
5、在第一方面的一种可能的实现方式中，所述fm模式对应的神经网络模块为fm神经网络模块，所述fm神经网络模块包括：第一fm输入神经网络单元、第二fm输入神经网络单元和fm解调神经网络单元；
6、所述根据所述无线通信模式调用对应的神经网络模块对所述输入无线信号进行解调，得到重建信号，包括：
7、若所述无线通信模式为fm模式，则将所述输入无线信号的i信号输入至所述第一fm输入神经网络单元以及将所述输入无线信号的q信号输入至所述第二fm输入神经网络单元，分别得到第一fm输出信号和第二fm输出信号；
8、将所述第一fm输出信号和所述第二fm输出信号输入至所述fm解调神经网络单元进行解调后，得到重建信号；
9、其中，所述fm神经网络模块的总体损失函数如下式所示：
10、；
11、其中，为特殊正则化损失函数，为时域均方误差损失函数，为频域均方误差损失函数，、、为三个在训练中学习到的参数，用于调整三个分损失函数在整体损失函数中所占用比例；
12、所述特殊正则化损失函数如下式所示：
13、 )；
14、其中，为i经过输入信号处理神经网络后的输出，为q经过输入信号处理神经网络后的输出，是指标准差函数。
15、在第一方面的一种可能的实现方式中，所述第一fm输入神经网络单元和所述第二fm输入神经网络单元，包括：若干个fm瓶颈结构和若干个fm逆卷积层，其中，若干个所述fm瓶颈结构依次连接，所述fm逆卷积层在设置在相邻两个所述fm瓶颈结中间，且所述fm瓶颈结构的输出端与所述fm逆卷积层的输出端拼接，以作为下一个所述fm瓶颈结构的输入端；
16、所述fm解调神经网络单元，包括依次连接的fm全连接层、第一fm卷积层、第二fm卷积层、fm通道注意力层和第三fm卷积层，所述第二fm卷积层的输出端与所述fm通道注意力层的输出端合成作为所述第三fm卷积层的输入端。
17、在第一方面的一种可能的实现方式中，所述fm瓶颈结构，包括依次连接的第一fm瓶颈卷积层、第一fm瓶颈relu激活单元、第二fm瓶颈卷积层、第二fm瓶颈relu激活单元和fm下采样层；
18、所述第一fm瓶颈relu激活单元的输出端与所述第二fm瓶颈relu激活单元的输出端合成作为所述fm下采样层的输入端。
19、在第一方面的一种可能的实现方式中，所述fsk模式对应的神经网络模块为fsk神经网络模块，所述fsk神经网络模块包括：第一fsk输入神经网络单元、第二fsk输入神经网络单元和fsk解调神经网络单元；
20、所述根据所述无线通信模式调用对应的神经网络模块对所述输入无线信号进行解调，得到重建信号，包括：
21、若所述无线通信模式为fsk模式，则将所述输入无线信号的i信号输入至所述第一fsk输入神经网络单元以及将所述输入无线信号的q信号输入至所述第二fsk输入神经网络单元，分别得到第一fsk输出信号和第二fsk输出信号；
22、将所述第一fsk输出信号和所述第二fsk输出信号输入至所述fsk解调神经网络单元进行解调得到fsk解调信号后，计算所述fsk解调信号对应的概率值最大的索引，得到重建信号；
本文档来自技高网...【技术保护点】
1.一种基于神经网络的无线信号重建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于神经网络的无线信号重建方法，其特征在于，所述FM模式对应的神经网络模块为FM神经网络模块，所述FM神经网络模块包括：第一FM输入神经网络单元、第二FM输入神经网络单元和FM解调神经网络单元；
3.根据权利要求2所述的基于神经网络的无线信号重建方法，其特征在于，所述第一FM输入神经网络单元和所述第二FM输入神经网络单元，包括：若干个FM瓶颈结构和若干个FM逆卷积层，其中，若干个所述FM瓶颈结构依次连接，所述FM逆卷积层在设置在相邻两个所述FM瓶颈结中间，且所述FM瓶颈结构的输出端与所述FM逆卷积层的输出端拼接，以作为下一个所述FM瓶颈结构的输入端；
4.根据权利要求3所述的基于神经网络的无线信号重建方法，其特征在于，所述FM瓶颈结构，包括依次连接的第一FM瓶颈卷积层、第一FM瓶颈Relu激活单元、第二FM瓶颈卷积层、第二FM瓶颈Relu激活单元和FM下采样层；
5.根据权利要求1所述的基于神经网络的无线信号重建方法，其特征在于，所述FSK模
6.根据权利要求5所述的基于神经网络的无线信号重建方法，其特征在于，所述第一FSK输入神经网络单元和所述第二FSK输入神经网络单元，包括：若干个FSK瓶颈结构和若干个FSK逆卷积层，其中，若干个所述FSK瓶颈结构依次连接，所述FSK逆卷积层在设置在相邻两个所述FSK瓶颈结中间，且所述FSK瓶颈结构的输出端与所述FSK逆卷积层的输出端拼接，以作为下一个所述FSK瓶颈结构的输入端；
7.根据权利要求6所述的基于神经网络的无线信号重建方法，其特征在于，所述FSK瓶颈结构，包括依次连接的第一FSK瓶颈卷积层、第一FSK瓶颈Relu激活单元、第二FSK瓶颈卷积层、第二FSK瓶颈Relu激活单元和FSK下采样层；
8.根据权利要求1所述的基于神经网络的无线信号重建方法，其特征在于，所述QPSK模式对应的神经网络模块为QPSK神经网络模块，所述QPSK神经网络模块包括：第一QPSK输入神经网络单元、第二QPSK输入神经网络单元、第一QPSK解调神经网络单元和第二QPSK解调神经网络单元；
9.根据权利要求8所述的基于神经网络的无线信号重建方法，其特征在于，所述第一QPSK输入神经网络单元和所述第二QPSK输入神经网络单元，包括：若干个QPSK瓶颈结构和若干个QPSK逆卷积层，其中，若干个所述QPSK瓶颈结构依次连接，所述QPSK逆卷积层在设置在相邻两个所述QPSK瓶颈结中间，且所述QPSK瓶颈结构的输出端与所述QPSK逆卷积层的输出端拼接，以作为下一个所述QPSK瓶颈结构的输入端；
10.根据权利要求9所述的基于神经网络的无线信号重建方法，其特征在于，所述QPSK瓶颈结构，包括依次连接的第一QPSK瓶颈卷积层、第一QPSK瓶颈Relu激活单元、第二QPSK瓶颈卷积层、第二QPSK瓶颈Relu激活单元和QPSK下采样层；
11.根据权利要求1所述的基于神经网络的无线信号重建方法，其特征在于，所述QAM模式对应的神经网络模块为QAM神经网络模块，所述QAM神经网络模块包括：第一QAM输入神经网络单元、第二QAM输入神经网络单元、第一QAM解调神经网络单元和第二QAM解调神经网络单元；
12.根据权利要求11所述的基于神经网络的无线信号重建方法，其特征在于，所述第一QAM输入神经网络单元和所述第二QAM输入神经网络单元，包括：若干个QAM瓶颈结构和若干个QAM逆卷积层，其中，若干个所述QAM瓶颈结构依次连接，所述QAM逆卷积层在设置在相邻两个所述QAM瓶颈结中间，且所述QAM瓶颈结构的输出端与所述QAM逆卷积层的输出端拼接，以作为下一个所述QAM瓶颈结构的输入端；
13.根据权利要求12所述的基于神经网络的无线信号重建方法，其特征在于，所述QAM瓶颈结构，包括依次连接的第一QAM瓶颈卷积层、第一QAM瓶颈Relu激活单元、第二QAM瓶颈卷积层、第二QAM瓶颈Relu激活单元和QAM下采样层；
14.一种基于神经网络的无线信号重建装置，其特征在于，所述装置包括：
15.一种无线人工智能通信接收机，其特征在于，所述接收机适用于如权利要求1-13任意一项所述的基于神经网络的无线信号重建方法，所述接收机包括：
16.一种无线人工智能通信系统，其特征在于，所述系统包括：相互通信的信号发射端和信号接...
【技术特征摘要】
1.一种基于神经网络的无线信号重建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于神经网络的无线信号重建方法，其特征在于，所述fm模式对应的神经网络模块为fm神经网络模块，所述fm神经网络模块包括：第一fm输入神经网络单元、第二fm输入神经网络单元和fm解调神经网络单元；
3.根据权利要求2所述的基于神经网络的无线信号重建方法，其特征在于，所述第一fm输入神经网络单元和所述第二fm输入神经网络单元，包括：若干个fm瓶颈结构和若干个fm逆卷积层，其中，若干个所述fm瓶颈结构依次连接，所述fm逆卷积层在设置在相邻两个所述fm瓶颈结中间，且所述fm瓶颈结构的输出端与所述fm逆卷积层的输出端拼接，以作为下一个所述fm瓶颈结构的输入端；
4.根据权利要求3所述的基于神经网络的无线信号重建方法，其特征在于，所述fm瓶颈结构，包括依次连接的第一fm瓶颈卷积层、第一fm瓶颈relu激活单元、第二fm瓶颈卷积层、第二fm瓶颈relu激活单元和fm下采样层；
5.根据权利要求1所述的基于神经网络的无线信号重建方法，其特征在于，所述fsk模式对应的神经网络模块为fsk神经网络模块，所述fsk神经网络模块包括：第一fsk输入神经网络单元、第二fsk输入神经网络单元和fsk解调神经网络单元；
6.根据权利要求5所述的基于神经网络的无线信号重建方法，其特征在于，所述第一fsk输入神经网络单元和所述第二fsk输入神经网络单元，包括：若干个fsk瓶颈结构和若干个fsk逆卷积层，其中，若干个所述fsk瓶颈结构依次连接，所述fsk逆卷积层在设置在相邻两个所述fsk瓶颈结中间，且所述fsk瓶颈结构的输出端与所述fsk逆卷积层的输出端拼接，以作为下一个所述fsk瓶颈结构的输入端；
7.根据权利要求6所述的基于神经网络的无线信号重建方法，其特征在于，所述fsk瓶颈结构，包括依次连接的第一fsk瓶颈卷积层、第一fsk瓶颈relu激活单元、第二fsk瓶颈卷积层、第二fsk瓶颈relu激活单元和fsk下采样层；
8.根据权利要求1所述的基于神经网络的无线信号重建方法，其特征在于，所述qpsk模式对应的神经网络模块为qpsk神经网络模块，所述qpsk神经网络模块包括：第一qpsk输入神经网络单元、第二qpsk输入神经网络单元、第一qpsk解调神经网络单元和第二...
【专利技术属性】
技术研发人员：孙文灏，安文福，何雨晨，王凯，
申请(专利权)人：丝路梵天甘肃通信技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。