一种获取预发射信号生成器的方法及获取发射信号的装置

本申请涉及通信领域，具体而言本申请实施例涉及一种获取预发射信号生成器的方法及获取发射信号的装置。

背景技术：

1、卫星通信是未来空天地一体化的重要一环，目前该领域正在向高通量，多业务，智能自动化方向发展。然而卫星发射端与地面站接收端距离过远，且卫星系统本身功率受限，因此需要额外借助功率放大器来对发射信号进行放大，缓解路径过长所带来的损耗。此外，正交频分复用(ofdm)由于其可以有效的提升频带利用率，支持不同的下行链路传输速率被广泛应用于卫星通信中。然而ofdm信号的峰均功率比(papr)较高，易进入功率放大器的饱和范围，造成非线性预失真，从而导致接收端接收信号误比特率(ber)性能的下降。

2、传统的功率回退技术通过牺牲电源的利用率以换取线性化性能的提升，使得其工作效率较低。因此线性化技术是目前缓解非线性失真的有效方式之一，而预失真技术就是其中的一项关键技术。预失真分为模拟预失真和数字预失真，其中数字预失真由于其具有可控性、灵活性和稳定性高等优势被广泛应用于卫星通信中。

3、相关技术的预失真模型获取的功率放大器的逆模型精准度较低，因此无法满足较高线性化度的要求。

技术实现思路

1、本申请实施例的目的在于提供一种获取预发射信号生成器的方法及获取发射信号的装置，与现有的基于神经网络预失真模型相比通过本申请实施例获取的预失真模型(即预发射信号生成器)在相同迭代次数训练下可以获得更精准的功率放大器逆模型，从而达到更好的线性化性能。

2、第一方面，本申请实施例提供一种获取预发射信号生成器的方法，所述方法包括：将经过调制的多个待发射样本信号输入功率放大器得到多个对应的具有非线性失真的放大输出样本信号，其中，一个放大输出样本信号对应一个待发射样本信号，所述待发射样本信号是由发射机随机生成的；将所述多个待发射样本信号和所述多个放大输出样本信号作为训练数据对目标生成对抗网络模型进行训练，得到预发射信号生成器，其中，所述预发射信号生成器用于构造所述功率放大器的逆模型，所述目标生成对抗网络模型是具有残差连接的生成对抗网络模型。

3、本申请的一些实施例通过将输入放大器的信号和放大器输出的具有非线性失真的成对信号作为一对训练数据，并对具有残差连接的生成对抗网络进行训练，可以在有效训练次数内提升训练得到的预发射信号生成器所构建的放大器的逆模型的准确性。

4、在一些实施例中，所述将所述多个待发射样本信号和所述多个放大输出样本信号作为训练数据对目标生成对抗网络模型进行训练，包括：将第i待发射样本信号作为第i标签，并将与所述第i待发射样本信号对应的第i放大输出样本信号作为所述目标生成对抗网络模型的输入，其中，所述第i待发射样本信号属于所述多个待发射样本信号中的任意一个信号，所述第i放大输出样本信号是把所述第i待发射样本信号经过所述功率放大器放大后得到的具有非线性失真的信号。

5、本申请的一些实施例将输入放大器的信号和放大器输出的非线性失真信号作为训练数据，对目标生成对抗网络模型进行训练使得动的预发射信号生成器构建的放大器的逆模型更加准确。

6、在一些实施例中，所述目标生成对抗网络模型包括目标生成器，所述目标生成器采用残差连接输入层和输出层，所述第i放大输出样本信号用于输入所述目标生成器的输入层且通过所述目标生成器输出根据所述第i放大输出样本信号生成的第i预测生成发射信号。

7、为了缓解生成器网络随着网络层数的增多而引起梯度消失，本申请的一些实施例在生成器网络中增加了残差连接，连接网络的输入层和输出层，为网络提供一个额外的梯度，且不会引入额外的参数。

8、在一些实施例中，所述方法还包括：若确认所述功率放大器的属性发生变化，则更新所述多个放大输出样本信号。

9、本申请的一些实施例还提供一种即时更新训练数据的方法，以提升训练得到的模型的性能。

10、在一些实施例中，所述将所述多个待发射样本信号和所述多个放大输出样本信号作为训练数据对目标生成对抗网络模型进行训练，得到预发射信号生成器，包括：根据损失函数确定是否可结束对所述目标生成对抗网络模型的训练过程，其中，所述损失函数包括原始损失值以及新增损失值，所述原始损失值是用于评价所述目标生成器生成的数据与对应标签的接近程度，所述新增损失值是通过计算由所述目标生成器生成的数据与所述对应标签的误差。

11、本申请的一些实施例通过增加新增损失值项可以确保将目标生成器向正确的方向进行优化。

12、在一些实施例中，所述目标生成对抗网络模型还包括：判别器，所述判别器为二分类模型，所述第i标签以及所述i预测生成发射信号作为输入所述判别器的数据。

13、第二方面，本申请的一些实施例提供一种获取发射信号的方法，所述方法包括：获取待发射信号；将所述待发射信号中的同相分量和正交分量串联为一个一维张量；将所述一维张量输入如第一方面实施例得到的预发射信号生成器中，得到同相分量和正交分量；将所述同相分量和正交分量进行组合为一个复信号，得到预失真信号；将所述预失真信号输入功率放大器得到目标发射信号。

14、第三方面，本申请的一些实施例提供一种获取预发射信号生成器的装置，所述装置包括：功率放大器，被配置为将经过调制的多个待发射样本信号进行放大处理得到多个对应的具有非线性失真的放大输出样本信号，其中，一个放大输出样本信号对应一个待发射样本信号，所述待发射样本信号是由发射机随机生成的，多个待发射样本信号和多个放大输出样本信号作为训练数据；目标生成对抗网络模型，包括目标生成器和判别器，被配置为接收输入的训练数据并挖掘构造所述功率放大器的逆模型，得到与所述目标生成器对应的预发射信号生成器；其中，所述生成器被配置为接收由所述功率放大器输出的第i放大输出样本信号，并依据所述第i放大输出样本信号得到一个第i预测生成发射信号，所述判别器的输入端用于接收输入的第i待发射样本信号并接收由所述生成器输入的所述第i预测生成发射信号，所述第i放大输出样本信号是通过所述功率放大器对所述第i待发射样本信号进行放大处理后得到的，所述第i待发射样本信号属于所述多个待发射样本信号中的任意一个信号，所述第i待发射样本信号是将由发射机随机生成的发射信号进行调制和过采样处理后得到的。

15、第四方面，本申请的一些实施例提供一种获取发射信号的装置，所述装置包括：预处理器，被配置为对待发射信号进行预处理得到预发射信号；预发射信号生成器，被配置为接收所述预发射信号并根据所述预发射信号得到预失真信号；功率放大器，被配置为对所述预失真信号进行放大处理得到目标发射信号。

16、第五方面，本申请的一些实施例提供一种卫星通信系统，包括发射单元和接收单元，其中，所述发射单元具有如第四方面所述的获取发射信号的装置，所述接收单元用于接收由所述发射单元生成的目标发射信号。

技术特征：

1.一种获取预发射信号生成器的方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述将所述多个待发射样本信号和所述多个放大输出样本信号作为训练数据对目标生成对抗网络模型进行训练，包括：

3.如权利要求2所述的方法，其特征在于，所述目标生成对抗网络模型包括目标生成器，所述目标生成器的连接输入层与输出层连接，所述第i放大输出样本信号用于输入所述目标生成器的输入层且通过所述目标生成器输出根据所述第i放大输出样本信号生成的第i预测生成发射信号。

4.如权利要求1所述的方法，其特征在于，所述方法还包括：

5.如权利要求3所述的方法，其特征在于，所述将所述多个待发射样本信号和所述多个放大输出样本信号作为训练数据对目标生成对抗网络模型进行训练，得到预发射信号生成器，包括：

6.如权利要求3所述的方法，其特征在于，所述目标生成对抗网络模型还包括：判别器，所述判别器为二分类模型，所述第i标签以及所述i预测生成发射信号作为输入所述判别器的数据。

7.一种获取发射信号的方法，其特征在于，所述方法包括：

8.一种获取预发射信号生成器的装置，其特征在于，所述装置包括：

9.一种获取发射信号的装置，其特征在于，所述装置包括：

10.一种卫星通信系统，包括发射单元和接收单元，其中，所述发射单元具有如权利要求9所述的获取发射信号的装置，所述接收单元用于接收由所述发射单元生成的目标发射信号。

技术总结本申请实施例提供一种获取预发射信号生成器的方法及获取发射信号的装置，所述方法包括：将经过调制的多个待发射样本信号输入功率放大器得到多个对应的具有非线性失真的放大输出样本信号；将所述多个待发射样本信号和所述多个放大输出样本信号作为训练数据对目标生成对抗网络模型进行训练，得到预发射信号生成器，其中，所述预发射信号生成器用于构造所述功率放大器的逆模型，所述目标生成对抗网络模型是具有残差连接的生成对抗网络模型。与现有的基于神经网络预失真模型相比通过本申请实施例获取的预失真模型(即预发射信号生成器)在相同迭代次数训练下可以获得更精准的功率放大器逆模型，从而达到更好的线性化性能。技术研发人员：吴胜,贾浩歌,王梦寒受保护的技术使用者：北京邮电大学技术研发日：技术公布日：2024/8/1