本发明专利技术公开了一种基于人工智能的5G手机信号去噪方法及系统，涉及通信技术领域。所述系统包括信号采集模块；预处理模块；后处理模块；本发明专利技术通过凭借创新性地融合傅里叶变换、小波变换与卷积神经网络技术对5G手机信号进行去噪，去噪效果实现质的飞跃，经实地测试，误码率平均降低40%以上，数据传输速率稳定提升30%左右；系统具备超强自适应能力，能随复杂多变的5G信号环境动态调整，云端更新机制保障长期高效运行；且所有模块有机集成于手机，无需额外笨重硬件，成本可控，易于大规模推广，全方位提升5G手机通信稳定性与用户体验。
1、5g手机信号传输面临着重重噪声干扰困境，在高楼林立的城市峡谷，信号遭遇建筑物反复遮挡、反射，引发多径衰落噪声，相位大幅紊乱，接收端信号质量急剧恶化。室内场景中，各类电子设备释放的电磁辐射也会对声音造成干扰，像家庭中的微波炉工作时，泄漏的微波频段与5g频段部分重叠，瞬间产生高强度脉冲噪声，淹没微弱5g信号；办公室内密集摆放的电脑、打印机等设备，持续向外辐射杂乱电磁信号，使5g手机信号传输困难，此外自然环境因素也造成了很大影响，暴雨倾盆时，雨滴对电磁波的散射与吸收催生雨衰噪声，致使信号能量大幅损耗；在电离层活跃区域，电离层闪烁造成信号强度、相位不规则波动，恰似信号传输航道上的暗礁，威胁数据稳定传输。这些复杂交织的噪声，严重扭曲5g信号，令信号失真加剧，数据传输误码率飙升，视频通话画面定格、语音中断，在线游戏延迟高，大文件下载进度条龟速爬行，极大影响用户通信体验。
2、传统应对信号噪声之策，多仰仗基于滤波器的方法。简单滤波器，如低通滤波器，仅能机械阻挡高于设定频率的信号成分，面对5g噪声复杂多变频谱，力不从心。5g通信频段资源动态分配，不同应用场景信号频谱宽窄、中心频率灵活跳变，固定频率参数的滤波器难以精准匹配，常误将有用信号频段当作噪声滤除，导致信号细节模糊丢失。自适应滤波器虽尝试动态调整参数，却因依赖信号与噪声的统计特性假设，在5g实际场景中，噪声突发性、非平稳性使其假设失效，无法实时追踪噪声变化轨迹，去噪效果差强人意。
>3、鉴于5g手机使用场景多元、噪声来源广泛且特性诡谲多变，因此，根据上述中的相关技术，亟需研发一种基于人工智能的5g手机信号去噪方法及系统。
技术实现思路
1、本专利技术的目的在于提供一种基于人工智能的5g手机信号去噪方法及系统，利用人工智能技术强大的学习与模式识别能力，深度剖析5g信号及噪声特征，达成精准去噪，保障信号优质传输。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于人工智能的5g手机信号去噪系统，包括以下模块：
4、信号采集模块：用于采集5g手机信号，与5g手机中的天线等信号接收部件相连，能够获取带有噪声的原始信号；
5、预处理模块：包含傅里叶变换模块、小波变换模块和卷积神经网络模块，分别对采集到的原始信号进行傅里叶变换、小波变换和卷积神经网络模型操作处理；
6、预处理模块中所述卷积神经网络模块由卷积层、池化层和全连接层组成，用于接收预处理后的信号数据并进行特征提取和去噪处理；
7、后处理模块：对预处理模块输出的去噪后的信号特征进行逆变换操作，将信号转换回时域，得到最终的去噪后的5g手机信号。
8、一种基于人工智能的5g手机信号去噪方法，包括以下步骤：
9、步骤s1.信号采集：首先通过5g手机中的信号采集模块对带有噪声的5g手机信号进行采集，得到带有噪声的5g手机信号；
10、步骤s2.预处理操作：通过预处理模块对带有噪声的5g手机信号进行预处理操作；
11、步骤s3.后处理：通过后处理模块对预处理操作后的信号特征进行逆傅里叶变换，得到最终的去噪后的5g手机信号。
12、进一步的，步骤s2中所述预处理操作包括以下步骤：
13、步骤s201.傅里叶变换：对采集到的信号进行傅里叶变换，得到，按照阈值法处理频域信号，得到初步处理后的频域信号；
14、步骤s202.小波变换：对经过傅里叶变换处理的信号进行小波变换；
15、步骤s203.卷积神经网络去噪：将经过傅里叶变换和小波变换处理后的信号数据输入到训练好的卷积神经网络中，按照卷积层、池化层和全连接层的计算顺序得到去噪后的信号特征。
16、进一步的，步骤s201中所述阈值法处理频域信号的公式为：
17、,
18、其中n是信号的长度，k=0，1，…，n-1，在频域中，噪声通常表现为高频分量，通过设定合适的阈值t来处理频域信号，对于＞t的频率分量保留，对于≤t的频率分量置为0，得到初步处理后的频域信号。
19、进一步的，步骤s202中所述小波变换的过程如下：
20、步骤s2021.对于信号，其连续小波变换公式为：
21、ψ,
22、其中a是尺度因子，b是平移因子，ψ是小波函数；
23、步骤s2022.在离散情况下，设离散信号，离散小波变换通过滤波器组实现，将信号通过低通滤波器和高通滤波器得到低频分量ca和高频分量cd；
24、步骤s2023.在去噪时，由于高频分量cd含噪声较多，采用软阈值法去噪，得到经过小波变换去噪后的信号。
25、进一步的，步骤s2023中所述软阈值法去噪的过程如下：
26、软阈值法的公式为：
27、,
28、对高频分量cd的小波系数进行去噪处理，其中是阈值，得到去噪后的小波系数c，再与低频分量ca组合得到经过小波变换去噪后的信号。
29、进一步的，步骤s203中所述卷积神经网络模型去噪的计算过程如下：
30、步骤s2031.数据预处理：将经过傅里叶变换和小波变换处理后的信号数据作为卷积神经网络的输入，将其记为矩阵i，其大小为m×n，其中m和n为矩阵的维度；
31、步骤s2032.卷积层计算：卷积层中的卷积核k大小为k×k，其中k为卷积核边长，步长为s，对于卷积层中的第l层，第i个特征图的第j个元素的计算如下：
32、
33、其中是上一层，即l-1层元素，是第l层的卷积核元素，是第l层的偏置项，是激活函数，relu函数；
34、步骤s2033.池化层计算：采用最大池化，池化窗口大小为p×p，对于池化层中的第i个特征图，第j个元素的计算为：
35、,
36、其中m=0,1,…,p-1,n=0,1,…,p-1，x是卷积层的输出；
37、步骤s2034.全连接层计算：经过多个卷积层和池化层后，将得到的特征图展开成一维向量，全连接层的输出z为：
38、z=,
39、其中是权重，是向量中的元素，b是偏置项。
40、进一步的，步骤s203中所述神经网络模型的训练过程如下：
41、步骤s20301.数据准备：收集大量的带有噪声和无噪声的5g手机信号样本数据，将信号样本按照7:2:1的比例划分为训练集、验证集和测试集；
42、步骤s20302.定义损失函数：采用均方误差作为原始损失函数，将l2正则化项加入到原始损失函数中，对经过傅里叶变换和小波变换预处理后的信号数据进行定义；
43、步骤s20303.选择优化算法：采用随机梯度下降优化算法，在每次迭代中，根据损失函数对权重w和偏置b的梯度来更新参数，权重更新公式为w，偏置更新公式为本文档来自技高网...
【技术保护点】
1.一种基于人工智能的5G手机信号去噪系统，其特征在于，包括以下模块：
2.一种基于人工智能的5G手机信号去噪方法，其特征在于，包括以下步骤：
3.根据权利要求2所述的基于人工智能的5G手机信号去噪方法，其特征在于，步骤S2中所述预处理操作包括以下步骤：
4.根据权利要求3所述的基于人工智能的5G手机信号去噪方法，其特征在于，步骤S201中所述阈值法处理频域信号的公式为：
5.根据权利要求3所述的基于人工智能的5G手机信号去噪方法，其特征在于，步骤S202中所述小波变换的过程如下：
6.根据权利要求5所述的基于人工智能的5G手机信号去噪方法，其特征在于，步骤S2023中所述软阈值法去噪的过程如下：
7.根据权利要求3所述的基于人工智能的5G手机信号去噪方法，其特征在于，步骤S203中所述卷积神经网络模型去噪的计算过程如下：
8.根据权利要求3所述的基于人工智能的5G手机信号去噪方法，其特征在于，步骤S203中所述神经网络模型的训练过程如下：
9.根据权利要求8所述的基于人工智能的5G手机信号去噪方法，其特征在于，步骤S20302中所述定义损失函数的过程如下：
10.根据权利要求2所述的基于人工智能的5G手机信号去噪方法，其特征在于，步骤S3中所述后处理的过程如下：
...
【技术特征摘要】
1.一种基于人工智能的5g手机信号去噪系统，其特征在于，包括以下模块：
2.一种基于人工智能的5g手机信号去噪方法，其特征在于，包括以下步骤：
3.根据权利要求2所述的基于人工智能的5g手机信号去噪方法，其特征在于，步骤s2中所述预处理操作包括以下步骤：
4.根据权利要求3所述的基于人工智能的5g手机信号去噪方法，其特征在于，步骤s201中所述阈值法处理频域信号的公式为：
5.根据权利要求3所述的基于人工智能的5g手机信号去噪方法，其特征在于，步骤s202中所述小波变换的过程如下：
6.根据权利要求5所述的基于人工智能的5g手机...
【专利技术属性】
技术研发人员：杨迥智，郭苏娴，
申请(专利权)人：深圳小辣椒科技有限责任公司，
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。