[发明专利]一种基于紧凑自编码器的符号检测和调制识别方法

权利要求书

1.一种基于紧凑自编码器的符号检测和调制识别方法，其特征在于：包括如下步骤：

步骤1，在信号接收端对不同调制方式的到达信号分别进行采样得到原始混合采样数据；

步骤2，利用累积量和矩运算对步骤1中的原始混合采样数据进行预处理，用于提取不同调制方式的信号特征，并得到混合信号数据集；

步骤3，采用CAE-SDMC检测器对混合信号数据集进行符号检测和调制识别，即分别找到CAE-SDMC检测器的符号检测最优判别函数和调制识别最优判别函数，CAE-SDMC检测器包括了CAE-SD检测器和CAE-MC检测器；

步骤4：利用步骤2预处理后得到的混合信号数据集对CAE-SDMC检测器进行训练，进而确定步骤3中的符号检测和调制识别最优判别函数对应的参数，最优参数下的CAE-SDMC可以恢复原始混合采样数据中各自的符号信息，同时输出原始混合采样数据分别对应的调制方式。

2.如权利要求1所述的方法，其特征在于：步骤1包括：

对不同调制方式的到达信号进行采样得到的数据特性如下：在每个符号周期内对接收到的每种信号r进行L个采样得到采样矩阵r⁽ⁱ⁾。

3.如权利要求2所述的方法，其特征在于：步骤1包括：

采样矩阵r⁽ⁱ⁾＝[r⁽ⁱ⁾(0) r⁽ⁱ⁾(1)...r⁽ⁱ⁾(L-1)]^T，编号分别为0、1……L-1，式中T为矩阵转置符号，i为调制方式指数，发送的信号经过信道传输，接收端的采样信号包括信道噪声、频率偏移和相位偏移。

4.如权利要求3所述的方法，其特征在于：步骤2包括：

式中，表示原始混合采样数据进行基于累积量和矩运算的预处理后得到的信号特征向量。

5.如权利要求4所述的方法，其特征在于：步骤2包括：

τ表示采样间隔；为接收信号r采样值对应的归一化u阶v次共轭累计量，其中，u表示累积量的阶数，v表示累积量的次数；为接收信号采样值对应的归一化矩运算，其中u表示矩的阶数，v表示矩运算中共轭项的次数。

6.如权利要求5所述的方法，其特征在于：步骤3包括：

CAE-SDMC检测器同时输出混合信号的符号信息和对应的调制方式，符号检测的判定问题描述为：

式中，表示符号检测最优判别函数f_SD(.,.)对应的假设空间，和是接收端恢复的不同调制方式对应的符号序列，表示数据的预处理即步骤2中原始混合采样数据进行信号特征的计算，r⁽ⁱ⁾和r^(j)为混合信号数据集中未知的两种采样信号，i,j＝1,2,...,k为采样信号对应的调制方式指数，ψ为受信道干扰的未知参数，是判别函数中的参数，为N维欧氏空间。

7.如权利要求6所述的方法，其特征在于：步骤3包括：

CAE-SDMC检测器同时输出混合信号的符号信息和对应的调制方式，调制方式的判定问题描述为：

式中，表示调制识别最优判别函数f_MC(.,.)对应的假设空间，和是判定的混合信号的调制方式，表示数据的预处理即步骤2中原始混合采样数据进行信号特征的计算，r⁽ⁱ⁾和r^(j)为混合信号数据集中未知的两种采样信号，i,j＝1,2,...,k为采样信号对应的调制方式指数，ψ为受信道干扰的未知参数，是判别函数中的参数，为N维欧氏空间。

8.如权利要求7所述的方法，其特征在于：步骤4包括：

利用混合信号数据集训练CAE-SDMC检测器，进而寻找到符号检测和调制识别最优判别函数对应的参数。

9.如权利要求8所述的方法，其特征在于：步骤4包括：

判别函数对应的损失函数中包括交叉熵损失函数项、稀疏系数项和权重惩罚项。

10.如权利要求9所述的方法，其特征在于：步骤4包括：

寻找最优判别函数等价为最小化CAE-SDMC检测器的损失函数，符号检测和调制识别检测器的损失函数中的参数更新过程如下：

式中，θ^new为更新后的参数，θ^old为更新前的参数，γ＞0为学习率，表示每次更新过程中CAE-SDMC检测器损失函数的梯度运算，其中，表示梯度运算，J_CAE(·)表示CAE-SDMC检测器的损失函数，θ是CAE-SDMC检测器的更新参数。