[发明专利]一种太赫兹信号解调方法、装置和电子设备

权利要求书

1.一种太赫兹信号解调方法，其特征在于，包括：

对接收信号进行特征提取，获取神经网络输入数据，其中：所述接收信号为太赫兹信号；所述神经网络输入数据与解调神经网络的输入项相对应；所述解调神经网络为多输出的深度前馈神经网络；所述解调神经网络的输入项包括幅度信息以及相位信息；所述解调神经网络的输出项为多维度的软信息；所述解调神经网络输出的软信息的维度数与所述太赫兹信号对应的解调结果的个数一致；所述解调神经网络用于拟合所述太赫兹信号与所述解调结果之间的映射关系，所述软信息的多个维度用于量化描述当前输入的神经网络输入数据分别与每个所述解调结果之间的映射关系；所述软信息为概率信息或距离信息；所述概率信息用于描述，所述神经网络输入数据所对应的接收信号，对应所述解调结果的概率；所述距离信息用于描述，所述神经网络输入数据所对应的接收信号，与所述解调结果所对应的理想判决点间的距离；

将所述神经网络输入数据输入到所述解调神经网络，以获取所述软信息的各个维度的量化值；

根据所述软信息的各个维度的量化值，确定所述接收信号对应的解调结果。

2.根据权利要求1所述的方法，其特征在于，所述软信息为概率信息，所述软信息的多个维度用于描述，当前输入的神经网络输入数据所对应的接收信号，分别对应每个所述解调结果的概率；

所述根据所述软信息的各个维度的量化值，确定所述接收信号对应的解调结果，包括：

将所述软信息中概率值最大的维度所对应的解调结果，确定为所述接收信号所对应的解调结果。

3.根据权利要求2所述的方法，其特征在于，所述根据所述软信息的各个维度的量化值，确定所述接收信号对应的解调结果还包括：

对所述软信息的各个维度的量化值进行归一化处理，以获取多维度的归一化处理结果，其中，所述多维度的归一化处理结果的各个维度的量化值之和为1；

根据所述多维度的归一化处理结果，确定所述接收信号对应的解调结果。

4.根据权利要求1所述的方法，其特征在于，所述软信息为距离信息，所述软信息的多个维度用于描述，当前输入的神经网络输入数据所对应的接收信号，分别与每个所述解调结果所对应的理想判决点间的距离；

所述根据所述软信息的各个维度的量化值，确定所述接收信号对应的解调结果，包括：

将所述软信息中距离值最小的维度所对应的解调结果，确定为所述接收信号所对应的解调结果。

5.根据权利要求1～4中任一项所述的方法，其特征在于，所述根据所述软信息的各个维度的量化值，确定所述接收信号对应的解调结果之后，所述方法还包括：

当根据所述软信息的各个维度的量化值，确定所述接收信号对应多个解调结果时，输出错误提示信息。

6.根据权利要求1～4中任一项所述的方法，其特征在于，所述解调神经网络与所述接收信号的调制方式相对应，所述软信息的维度数为所述接收信号的调制方式所对应的解调结果的个数。

7.根据权利要求1～4中任一项所述的方法，其特征在于，所述解调神经网络的输入项还包括信道特征信息和/或信噪比信息。

8.根据权利要求1～4中任一项所述的方法，其特征在于，所述对接收信号进行特征提取，获取神经网络输入数据之前，所述方法还包括：

获取神经网络序列训练所需的样本集，所述样本集中的每个训练样本由一个样本接收信号对应的神经网络输入输出信息构成，其中，所述神经网络输入输出信息的输入信息包含所述样本接收信号的幅度信息以及相位信息，所述神经网络输入输出信息的输出信息为所述样本接收信号与每个所述解调结果之间的映射关系的量化描述；

构建多输出的深度前馈神经网络；

利用所述样本集训练所述多输出的深度前馈神经网络，以获取所述解调神经网络。