System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于通信,涉及一种适用于navdat系统的ofdm信号接收处理系统及方法,适用于中频段海上信号传播环境。
技术介绍
1、近年来,随着海洋经济的迅猛发展,世界范围内的海事活动日趋频繁。建立高效可靠的海上信息安全服务系统,为海上航行船舶提供实时准确的安全信息服务,对保障海上从业人员的生命财产安全具有重要意义。随着全球水上遇险和安全系统(gmdss)复审和现代化议题的提出,传统的通信技术和通信设备面临着革新,其中,最为典型的航行警告系统-奈伏泰斯(navtex),采用窄带直接印字电报(narrow band direct printing,nbdp)方式,以其利用频带窄、覆盖范围广、通信费用低廉的特点依旧占有一定市场,但由于其数据传输速率低、操作复杂、功能单一等缺点,采用新技术对navtex系统进行升级改造势在必行。针对现有海上安全信息播发系统能力有限的问题,imo的电子导航系统能够保障岸-船方向的数据传输速度要求,500khz信道能够为数字传输提供良好的覆盖范围,无线电捜救分委会在此基础上提出了海上数字广播系统navdat(navigational data)。navdat作为新一代数字化海上安全信息播发系统,其数据传输速率达到每秒传输15~25kb,近海覆盖范围达到400海里,可以高速传输文本、图片、图表、影像及电子海图更新包等多种格式文件,能够满足沿海安全信息不断增长的数据量要求。
2、深度学习(deep learning,dl)是机器学习的一个分支,主要目标是设计和实现具备多层非线性特征提取与自适应学习能
3、ofdm系统是无线通信系统的关键技术之一,因抗多径衰落能力强、频谱利用率高,在许多无线通信网络(如navdat系统)中广泛应用。在ofdm系统里,准确获取信道状态信息对数据正确传输至关重要,优秀的信道估计方案能助力理解信道传输特性、恢复接收信号、实现信道均衡,进而提高通信质量和数据传输速率,提升系统性能与用户体验。
4、随着机器学习领域深度学习技术的发展与应用,基于深度学习的ofdm信道估计算法成为研究热点。深度学习可从数据中学习更准确映射关系,能有效解决信道估计问题,提高估计的准确度和效率,为ofdm系统优化发展提供可靠有效的技术支持。因此,本专利技术设计了一种基于注意力机制和残差学习的神经网络。
5、本专利技术提出了一种适用于navdat系统的ofdm信号接收处理系统及方法。该方法充分考虑navdat系统信号特性,有效检测信号帧起点位置,通过同步降低误差,采用前沿的深度学习技术,通过设计的网络rcafcn实现信道估计,并结合极化码以及低密度奇偶校验码实现信号的解调及译码。
技术实现思路
1、本专利技术提出了一种适用于navdat系统的ofdm信号接收处理系统及方法。该方法充分考虑navdat系统信号有同步报头、导频等特性,首先,利用同步报头对接收数据做相关运算查找帧起点,结合恒虚警检测算法获得待解调译码的信号帧。后续进行符号同步确定fft窗位置。其次结合离散导频信号,先估计整数倍频率偏移误差,即粗同步,再进一步实现小数倍频偏误差的估计,即细同步,从而实现频率同步。接着,同样利用导频信号,采用最小二乘法进行信道估计,得到导频的信道频率响应,通过插值得到完整信号的频率响应,再通过设计的rcafcn网络进一步处理粗略估计结果,得到准确的信道估计,从而恢复原始ofdm信号。最后根据帧结构提取ofdm信号中数据部分,通过对数似然比的方式实现软解调,信令部分数据用极化码译码,业务部分数据采用低密度奇偶效验码,实现完整的解调译码。利用本专利技术所提方法可以有效降低ofdm信号中存在的符号间干扰和载波间干扰,补偿信道失真,减少噪声影响,提高译码精度,提升通信质量,实现对navdat系统基带处理的优化,与现有海上广播系统结合,保障海上船舶航行安全。
2、本专利技术设计了一种基于注意力辅助和残差学习的全卷积神经网络rcafcn用于信道估计。首先通过导频和最小二乘法获取导频位置的复数形式的信道估计矩阵,将实部和虚部分离得到两个矩阵,通过dft插值算法得到完整ofdm信号的信道估计,将该结果看作低分辨率图像,真实信道响应经过复数转换为实数矩阵之后的结果看作高分辨率图像,将数据组成的集合用作网络的训练。其中rcafcn基于全卷积神经网络fcn,相比传统神经网络在最后几层全连接层中会将输入的特征图展开为一维向量丢失空间信息,fcn能更细致处理数据中的空间特征,此外参数数量通常也比cnn少很多。在中间层引入卷积和注意力融合模块cafm,因为卷积运算受局部性质和感知域的限制,在建模全局特征方面存在不足,相反注意力机制擅长提取全局特征和捕获远程依赖关系,卷积和注意力是相辅相成的,可以对全局和局部特征进行建模。这样就可以在全局分支中采用注意力机制捕获更广泛的数据信息,而局部分支则更专注于提取局部特征实现综合去噪。同时对cafm以及fcn部分进行改进引入残差学习,通过这样的方式可以有效避免由于多个非线性操作导致的梯度消失或爆炸的问题,且还能加快收敛速度以及提升模型性能和泛化能力。
3、本专利技术所述的一种适用于navdat系统的ofdm信号接收处理系统及方法,包括以下步骤:
4、步骤一、岸上发射机和船舶接收机持续工作,进行正常的通信,并获取帧ofdm信号。
5、步骤二、根据本地已知同步序列做相关运算估计数据起点位置,并根据相关峰选取最合适的一帧用于后续解调译码。
6、步骤三、在频域上基于离散导频相位差,进行符号定时同步。
7、步骤四、对待处理的信号帧进行载波同步,具体包括以下步骤:
8、步骤四(一)、选取信号帧中除用于确定起点的同步报头外,其他的ofdm符号,因navdat系统特性,其离散导频位置已知,因此只需用接收到的ofdm符号与对应的离散导频进行滑动相关和运算,再通过最大相关峰值的偏移量,推导出整数倍载波频率偏差,并对信号帧进行补偿。
9、步骤四(二)、依旧选取离散导频,每个符号的离散导频对接收机而言是已知的,通过每个接收符号与相应本地导频的相关求得符号的绝对相偏,然后由相邻两个符号的绝对相偏之差求得频偏。
10、步骤五、为了进一步降低误码率提升通信质量,在频域上通过接收信号里导频所在位置的数据,除以本地已知导频信号,得到导频位置的信道频率响应,再本文档来自技高网...
【技术保护点】
1.一种NAVDAT系统OFDM信号基带处理优化的方法,其特征在于,具体包含以下步骤:
2.根据权利要求1所述的一种NAVDAT系统OFDM信号基带处理优化的方法,其特征在于,步骤二中所示的根据本地已知同步序列对整个接收数据做相关运算,将运算后的结果看成是一系列单元,通过单元平均方式的恒虚警检测算法判断是否存在目标即是否有理想相关峰出现并得到索引值即帧起点位置。具体做法是先在测试单元,即接收信号子载波周围设置保护单元,以消除信号在测试单元周围的多余能量,然后在保护单元的周围选择合适的参考单元。同时由于待检单元左侧有几个单元,为使算法运行后序列不变短,通过补零的方式补偿。取测试单元左右两边参考单元均值,再取平均值,然后与门限因子α相乘,再将结果与阈值相比较,如果大于阈值则表示有目标,否则认为无目标,判断为1即表示在该点检测为帧起点。其中门限因子的计算公式如下:
3.根据权利要求1所述的一种NAVDAT系统OFDM信号基带处理优化的方法,其特征在于,步骤四中所示的对待处理的信号帧进行载波同步,具体包括以下步骤:
4.根据权利要求1所述的一种NAVD
...【技术特征摘要】
1.一种navdat系统ofdm信号基带处理优化的方法,其特征在于,具体包含以下步骤:
2.根据权利要求1所述的一种navdat系统ofdm信号基带处理优化的方法,其特征在于,步骤二中所示的根据本地已知同步序列对整个接收数据做相关运算,将运算后的结果看成是一系列单元,通过单元平均方式的恒虚警检测算法判断是否存在目标即是否有理想相关峰出现并得到索引值即帧起点位置。具体做法是先在测试单元,即接收信号子载波周围设置保护单元,以消除信号在测试单元周围的多余能量,然后在保护单元的周围选择合适的参考单元。同时由于待检单元左侧有几个单元,为使算法运行后序列不变短,通过补零的方式补偿。取测试单元左右两边参考单元均值,再取平均值,然后与门限因子α相乘,再将结果与阈值相比较,如果大于阈值则表示有目标,否则认为无目标,判断为1即表示在该点检测为帧起点。其中门限因子的计算公式如下:
3.根据权利要求1所述的一种navdat系统ofdm信号基带处理优化的方法,其特征在于,步骤四中所示的对待处理的信号帧进行载波同步,具体包括以下步骤:
4.根据权利要求1所述的一...
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。