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：电子科技大学

摘要：该发明公开了一种基于机器学习的通感一体化双功收发网络联合设计方法，属于通信感知一体化技术领域。本发明通过设计双功接收机，利用同一接收信号同时实现译码和多目标检测任务，提升了系统性能。进一步，通过采用强化学习和监督学习，实现对双功发射信号与双功接收机的联合设计。相较于传统的方法，基于机器学习的方法对信道、目标和杂波等的数学模型依赖性更小，同时可以有效提升系统性能，为通感一体化领域的收发联合设计问题提供了一种可行方法。

主权项：1.一种基于机器学习的通感一体化双功收发网络联合设计方法，该方法包括：步骤1：采用SO-OCDM信号作为发射的双功信号，构建第m个发射机在时刻kTs发射的SO-OCDM信号表达式smk，m＝1,...,M； 其中，M为总发射机数量，k为采样点索引，Ts为采样时间间隔，fΔ为相邻发射机发射信号的频率间隔，Em为发射信号的能量，P为OCDM符号数，L为一个OCDM符号中包含的chirp子载波数，bp,l,m为第m个发射机发射的第p个符号中第l个子载波上调制通信符号，qp,l,m[k]包含了保护间隔和chirp子载波； TGI,m为保护间隔持续时间，Tm为符号持续时间，To,m为完整OCDM符号持续时间，且满足To,m＝TGI,m+Tm；步骤2：将M个待设计的发射信号参数表示为矢量形式λ； 其中，λm[Em,Tm]T，M表示发射机数量，·T表示转置；步骤3：构建信号设计网络，包含DDPG算法模块和SO-OCDM信号产生器，DDPG表示深度确定性策略梯度，DDPG算法模块包含了演员网络、评论家网络、目标演员网络和目标评论家网络；信号设计网络与双功接收网络第i次交互过程中，演员网络的输入为接收信号能量矢量，输出为优化的SO-OCDM信号参数向量； 其中，接收信号能量矢量γi＝[γ11,...,γmn,...γmn]T，γmn是第n个接收机接收到的来自第m个发射机的信号能量，表示演员网络，θA是演员网络的可训练参数，是演员网络的输出；评论家网络的输入为接收信号能量矢量γi和SO-OCDM信号参数向量输出是对动作状态价值的估计值θC是评论家网络的可训练参数；目标演员网络用于产生下一时刻接收信号能量矢量γi+1对应的信号参数向量是目标演员网络的可训练参数，γi+1是网络输入，是网络输出；目标评论家网络用于评估下一时刻接收信号能量矢量γi+1和信号参数向量对应的动作状态价值是目标评论家网络的可训练参数；双功接收网络通过有线反馈链路向信号设计网络反馈的信道信息后γi，信号设计网络产生对应信道信息下的信号参数向量SO-OCDM信号产生器再根据信号参数向量产生对应的双功SO-OCDM信号；步骤4：计算第n个双功接收机在第i次交互时，时刻kTs的接收信号为rn,i[k]； 其中，为G个目标反射的M条目标反射路径信号之和，为M条直达路径信号之和，zn,i[k]为噪声；和分别表示目标反射路径和直达路径的路径衰落系数，和表示目标反射路径和直达路径的时延，sm,i.表示第i次交互时第m个发射机发射的信号；步骤5：组合目标信息向量和通信信息向量，构建通感一体化信息向量ψi； 其中，ρi＝[ρ1,i,...,ρj,i,...,ρJ,i]Tbi＝[b1,i,...,bm,i,...,bM,i]Tbm,i＝[b1,1,m,i,...,bl,p,m,i,...,bL,P,m,i]bl,p,m,i＝[bl,p,m,1,i,...,bl,p,m,d,i,...,bl,p,m,D,i]oj,i表示第j个格点是否有目标，bl,p,m,d,i表示第m个发射机发射的第p个符号中第l个子载波上的第d个比特；步骤6：构建基于监督学习的双功接收机网络，其包含信号预处理模块，全连接网络和一个比较器；在信号预处理模块，对信号进行去保护间隔、带通滤波、去啁啾子载波、堆叠操作，得到信号矢量其中， KGI,m为保护间隔的采样点数，Ko,m为完成符号的采样点数，k'Ts∈[pTo,m+TGI,m,pTo,m+To,m，·*表示共轭运算，k′表示去除保护间隔后的样本索引；步骤7：信号矢量被输入全连接网络，网络输出为估计的通感一体化信息向量； 其中，第i次交互时的接收信号矢量，θDFR是双功接收机网络的可训练参数，是双功接收机网络的输出；将网络输出与门限进行比较，做出最后的判决结果ψi；步骤8：确定信号设计网络的目标函数、双功接收机网络的损失函数和参数更新方式；步骤9：根据SO-OCDM信号模型产生发射信号，然后产生接收信号以及对应的标签ψi；在训练信号设计网络时，信号设计网络与双功接收机网络交互I次，每交互一次就更新一次信号设计网络参数；在训练双功接收机网络时，信号设计网络与双功接收机网络交互I次，当所有的交互过程都完成后，更新双功接收机网络参数；交替迭代训练信号设计网络和双功接收机网络，实现双功收发的联合训练；在训练双功接收机网络时，固定信号设计网络参数θA、θC、和对θDFR进行更新；在训练信号设计网络时，固定网络参数θDFR，对θA、θC、和进行更新；两个训练步骤交替迭代直到整个网络收敛；表示目标演员网络可训练参数，表示目标评论家网络可训练参数；步骤10：根据发射信号模型生成SO-OCDM信号，信号经过信道后得到接收信号，将接收信号输入双功接收机网络，得到网络的输出；最后将网络的输出ψi与标签进行比较ψi，以评估系统性能。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于机器学习的通感一体化双功收发网络联合设计方法