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() 信号估计模型的训练方法、信号估计方法和装置制造方法及图纸_技高网

信号估计模型的训练方法、信号估计方法和装置制造方法及图纸

技术编号:44891097 阅读:1 留言:0更新日期:2025-04-08 00:29
本申请提出一种信号估计模型的训练方法、信号估计方法和装置,其中,方法包括:采用终端设备中的射频芯片对天线接收到的信号采样得到的信号作为信号样本,提高样本数据的随机性和真实性,通过训练样本对信号估计模型进行训练,使得深度学习模型具备信号估计的能力,而通过训练样本对信号估计模型进行训练属于数据驱动,不依赖于对具体射频损伤的分类和建模,不随着射频硬件的变更而修改,因此,降低了场景使用的局限性,具有更好的通用性。

【技术实现步骤摘要】

本申请涉及信号处理,尤其涉及一种信号估计模型的训练方法、信号估计方法和装置


技术介绍

1、在通信领域,在空口信号传输过程中会产生信号的失真,失真包括掺杂了噪声或产生了畸变,为了保证基带解调能力的灵敏度和抗干扰能力,通过终端设备中的数字前端对失真信号进行信号估计,即对失真信号进行矫正,以得到估计信号。

2、相关技术中,通过射频芯片中的数字前端实现的信号估计,而数字前端实现的信号估计算法是通过数学建模来驱动的,算法存在局限性,以及通用性差的问题。


技术实现思路

1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

2、为此,本申请提出一种信号估计模型的训练方法、信号估计方法和装置,基于数据驱动的神经网络模型进行信号估计,降低了算法的局限性,提高了通用性。

3、本申请一方面实施例提出了一种信号估计模型的训练方法,包括:

4、获取信号样本;其中,所述信号样本,是射频芯片对天线接收到的信号采样得到的;

5、通过所述射频芯片中设置的信号估计模型对所述信号样本进行信号估计,得到估计信号;

6、根据所述估计信号和所述信号样本对应的真值信号,对信号估计模型进行训练,得到训练得到的所述信号估计模型。

7、本申请另一方面实施例提出了一种信号估计方法,包括:

8、获取待处理的信号;

9、采用训练得到的信号估计模型对所述信号进行信号估计,得到目标信号;其中,所述信号估计模型是采用前述一方面所述的方法训练得到的。

10、本申请另一方面实施例提出了一种信号估计模型的训练装置,包括:

11、获取模块,用于获取信号样本;其中,所述信号样本是射频芯片对天线接收到的信号采样得到的;

12、处理模块,用于通过所述射频芯片中设置的信号估计模型对所述信号样本进行信号估计,得到估计信号;

13、训练模块,用于根据所述估计信号和所述信号样本对应的真值信号,对信号估计模型进行训练,得到训练得到的所述信号估计模型。

14、本申请另一方面实施例提出了一种信号估计装置,包括:

15、获取模块,用于获取待处理的信号;

16、估计模块,用于采用训练得到的信号估计模型对所述信号进行信号估计,得到目标信号;其中,所述信号估计模型是采用前述另一方面所述的信号估计模型的训练装置训练得到的。

17、本申请另一方面实施例提出了一种电子设备,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,实现如前述一方面所述的方法,和前述另一方面所述的方法。

18、本申请另一方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述一方面所述的方法,和前述另一方面所述的方法。

19、本申请另一方面实施例提出了一种芯片,芯片包括处理电路,处理电路被配置为执行如前述一方面所述的方法,和前述另一方面所述的方法。

20、本申请另一方面实施例提出了一种计算机程序产品,其上存储有计算机程序,所述程序被处理器执行时实现如前述一方面所述的方法,和前述另一方面所述的方法。

21、本申请提出的信号估计模型的训练方法、信号估计方法和装置,采用终端设备中的射频芯片对天线接收到的信号采样得到的信号作为信号样本,提高样本数据的随机性和真实性,通过训练样本对信号估计模型进行训练,使得深度学习模型具备信号估计的能力,而通过训练样本对信号估计模型进行训练属于数据驱动,不依赖于对具体射频损伤的分类和建模,不随着射频硬件的变更而修改,因此,降低了场景使用的局限性,具有更好的通用性。

22、本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。

本文档来自技高网...

【技术保护点】

1.一种信号估计模型的训练方法,其特征在于,包括:

2.如权利要求1所述的方法,其特征在于,所述信号样本为信号序列,所述信号估计模型包括编码网络、采样网络、编码器和输出网络,所述通过所述射频芯片中设置的信号估计模型对所述信号序列进行信号估计,得到估计信号,包括:

3.如权利要求2所述的方法,其特征在于,所述采用所述编码器根据所述第二编码特征进行信号估计,得到目标信号特征,包括:

4.如权利要求2所述的方法,其特征在于,所述采用所述编码网络对所述信号序列进行位置编码,得到第一编码特征,包括:

5.如权利要求2所述的方法,其特征在于,所述编码器为多个,所述采用所述编码器根据所述第二编码特征进行信号估计,得到目标信号特征,包括:

6.如权利要求1所述的方法,其特征在于,所述根据所述估计信号和所述信号样本对应的真值信号,对信号估计模型进行训练,得到训练得到的所述信号估计模型,包括:

7.一种信号估计方法,其特征在于,包括:

8.如权利要求6所述的方法,其特征在于,所述方法,还包括:

9.一种信号估计模型的训练装置,其特征在于,包括:

10.一种信号估计装置,其特征在于,包括:

11.一种电子设备,其特征在于,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,实现如权利要求1-6中任一所述的方法,或实现如权利要求7-8中任一所述的方法。

12.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法,或实现如权利要求7-8中任一所述的方法。

13.一种芯片,其特征在于,所述芯片包括处理电路,所述处理电路被配置为执行如权利要求1-6任一项所述的方法,或实现如权利要求7-8中任一所述的方法。

14.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序被处理器执行时,实现权利要求1-6中任一项所述的方法,或实现如权利要求7-8中任一所述的方法。

...

【技术特征摘要】

1.一种信号估计模型的训练方法,其特征在于,包括:

2.如权利要求1所述的方法,其特征在于,所述信号样本为信号序列,所述信号估计模型包括编码网络、采样网络、编码器和输出网络,所述通过所述射频芯片中设置的信号估计模型对所述信号序列进行信号估计,得到估计信号,包括:

3.如权利要求2所述的方法,其特征在于,所述采用所述编码器根据所述第二编码特征进行信号估计,得到目标信号特征,包括:

4.如权利要求2所述的方法,其特征在于,所述采用所述编码网络对所述信号序列进行位置编码,得到第一编码特征,包括:

5.如权利要求2所述的方法,其特征在于,所述编码器为多个,所述采用所述编码器根据所述第二编码特征进行信号估计,得到目标信号特征,包括:

6.如权利要求1所述的方法,其特征在于,所述根据所述估计信号和所述信号样本对应的真值信号,对信号估计模型进行训练,得到训练得到的所述信号估计模型,包括:

7.一种信号估计方法,其特征在于,包括:

8.如...

【专利技术属性】
技术研发人员:尹凡胡成功乔稳胡立娟肖立波谭舒
申请(专利权)人:北京玄戒技术有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1