[发明专利]基于神经网络均衡的QPSK调制超奈奎斯特传输方法及系统

权利要求书

1.一种基于神经网络均衡的QPSK调制超奈奎斯特传输方法，其特征在于：将卷积编码和神经网络均衡方式引入到超奈奎斯特传输过程中，以降低接收机复杂度和改善超奈奎斯特系统的误码性能；所述超奈奎斯特传输过程实现如下，

在发送机端，数据信息先进行信道编码，然后进行QPSK调制映射，将原始信息分成I路和Q路，两路数据同时进行FTN脉冲成形，随后送入到信道传输，在信道传输的数据为两路信号传输；

脉冲成形之后的FTN信号表示为S_FTN：

式中，E_s表示每单个符号的能量，x[n]表示传输的二进制序列，n表示二进制序列中当前序列的位置，N表示所传输的二进制数字信号的总个数；h(t)表示成形脉冲函数，t表示时间变量，在实际FTN传输系统中，会将h(t)进一步处理；τ为压缩因子，T为奈奎斯特传输中的码元周期，τT表示为超奈奎斯特传输中的成形脉冲之间的码元周期；

FTN信号成形之后，会存在ISI影响，脉冲成形时FTN系统自身所产生的ISI表示为y_ISI：

式中，L为成形脉冲函数h(t)的截断长度，x[n+k]表示传输的第n个码元之外的其他码元，k表示相对于当前被处理数字信号以外的其他数字信号的位置，FTN自身产生的ISI由两部分组成，过去符号对当前符号的码间干扰和未来符号对当前符号的码间干扰，发送机送入到信道传输的信号，其在采样点处的数值，由该采样点本身信号和ISI之和表示出来；

在接收机端，通过信道传输的两路信号同时进行匹配滤波，恢复原始传输的两路数据波形，恢复波形之后进行FTN抽样，根据成形脉冲间隔进行FTN抽样，得到抽样值；然后，将抽样信号送入神经网络均衡器进行均衡，得到均衡后的样值；进行解映射，得到的输出为软输出，最后进行软判决的维特比译码，实现恢复原始数据；

所述神经网络均衡器包括输入层、隐藏层和输出层，

隐藏层神经元输入表示为，

式中，v_il表示神经网络第i个输入层单元和第1个隐藏层单元之间的权值连接，x_i表示输入的第i个神经元，隐藏层输出的第1个神经元，p表示输入层单元的总个数；

输出层第j个神经元的输入表示为，

式中，m表示隐藏层单元的总个数，p表示输入层单元的总个数，v_il表示神经网络第i个输入层单元和第1个隐藏层单元之间的权值连接，w_lj表示为第1个隐藏层单元和第j个输出层单元之间的权值连接；

神经网络均衡器的输出表示为，

式中，r表示神经网络输出层的序号，y_r表示输出层第r个输出，记在输出层端一共有t个输出。

2.根据权利要求1所述的基于神经网络均衡的QPSK调制超奈奎斯特传输方法，其特征在于：所述信道编码采用卷积编码实现。

3.根据权利要求1或2所述的一种基于神经网络均衡的QPSK调制超奈奎斯特传输方法，其特征在于：神经网络均衡器采用多层感知结构实现。

4.一种基于神经网络均衡的QPSK调制超奈奎斯特传输系统，其特征在于：用于实现如权利要求1-3任一项所述的一种基于神经网络均衡的QPSK调制超奈奎斯特传输方法。

5.根据权利要求4所述基于神经网络均衡的QPSK调制超奈奎斯特传输系统，其特征在于：包括以下部分，

发送机端，用于对数据信息先进行信道编码，然后进行QPSK调制映射，将原始信息分成I路和Q路，两路数据同时进行FTN脉冲成形，随后送入到信道传输，在信道传输的数据为两路信号传输；

接收机端，用于通过信道传输的两路信号同时进行匹配滤波，恢复原始传输的两路数据波形，恢复波形之后进行FTN抽样，根据成形脉冲间隔进行FTN抽样，得到抽样值；然后，将抽样信号送入神经网络均衡器进行均衡，得到均衡后的样值；进行解映射，得到的输出为软输出，最后进行软判决的维特比译码，实现恢复原始数据。