龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国人民解放军海军潜艇学院
摘要：本发明属于同步信号捕获技术领域，公开了一种基于深度学习的水声PN信号时域粗捕获方法及系统，采用接收端本地载波压缩算法将PN相关增益幅值频偏响应转化为多个SINC函数模非相干累积的近似平坦，基于本地载波压缩的圆周卷积的时域并行相关结果输出用于为TCN‑Seq2Seq模型提供大多普勒容限的相关波形特征；利用TCN‑Seq2Seq模型对基于载波压缩的圆周相关输出波形实现低信噪比条件下的时域同步，对接收波形进行识别分析，输出波形时域范围，得到多普勒频偏粗估计，完成时域频域粗捕获。本发明大大降低了计算开销，对PN信号在军事及生物友好方向的水声通信应用具有较高价值。
主权项：1.一种基于深度学习的水声PN信号时域粗捕获方法，其特征在于，包括以下步骤：第一步，采用接收端本地载波压缩算法将PN相关增益幅值频偏响应转化为多个SINC函数模非相干累积的近似平坦，基于本地载波压缩的圆周卷积的时域并行相关结果输出用于为TCN-Seq2Seq模型提供大多普勒容限的相关波形特征；第二步，确定TCN-Seq2Seq模型的输入特征，输入特征包括基于本地载波压缩的圆周卷积相关输出、无频偏的本地DDC波形输出及原始接收波形；TCN-Seq2Seq模型构建包括10个残差网络块和全局池化层、全连接层、softmax层，最后输出为与输入时间序列同长度的分类序列，为后续时域频域粗同步提供分析基础；第三步，完成基于目标海域仿真波形数据的线下训练，得到适应目标海域多径信道环境的TCN-Seq2Seq捕获模型；在线上测试阶段，先开展基于已知先验信息接收波形的Fine-Tune迁移学习，以较小的计算开销补偿仿真阶段与实际海上多径环境与噪声环境的差异；第四步，对TCN-Seq2Seq捕获模型结果进行后处理，实现低信噪比条件下的时域粗同步，得到多普勒频偏粗估计，完成时域频域粗捕获。
全文数据：
权利要求：
百度查询： 中国人民解放军海军潜艇学院 一种基于深度学习的水声PN信号时域粗捕获方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号