技术新讯 > 电子通信装置的制造及其应用技术 > 一种基于BP神经网络的超视距超短波电台及其通信方法  >  正文

一种基于BP神经网络的超视距超短波电台及其通信方法

  • 国知局
  • 2024-08-02 12:42:42

本发明属于超视距超短波电台通信的,具体涉及一种基于bp神经网络的超视距超短波电台及其通信方法。

背景技术:

1、传统的超短波通信大多基于电磁波直线传播机理实现,比如国内外比较常见的vhf/uhf频段的dmr无线电台、pdt数字电台等数字窄带通信电台。这些通信电台都是基于电磁波直线传播,受天线高度、地球曲率、山体遮挡等影响,只能进行视距通信,通信距离很难超过50km,不能满足军事、海事、海上渔业、海上作业平台、应急救援等领域对通信距离的要求。

2、超视距超短波电台是利用大气层超折射、散射、反射传播机理,实现超短波电台的超视距通信,超视距超短波通信国外鲜有文献记载,超视距超短波电台的实现方法主要还是基于传统的通信原理实现。然而,受工程实现和产品便携性等方面限制,接收机灵敏度和发射机功率提高受到多因素的限制,因此其在复杂电磁环境、微弱信号情况下,很难解决通信的稳定性难题。

3、综上所述,基于超短波直线传播机理的dmr或pdt等这些应急通信电台,通信距离很难跨越视距限制,通信距离近,在陆地上部署,需要通过密集的中继基站实现大范围的信号覆盖,投资大、组网复杂,并且对于岸海通信或海事调度等有远距离通信需求的应用场景,在海上建设中继基站组网实现大范围通信已经不具备工程可行性,这是视距超短波通信最大的缺陷。

4、基于超短波大气超折射、散射、反射传输理论设计的传统超视距超短波通信电台,虽然能实现超视距通信,但其实现主要还是基于传统方法实现,不能很好的自适应复杂的电磁环境或对当前通信信道做出预判,在信号微弱或复杂电磁环境下,很难解决通信稳定性问题,并且产品调试、各个参数优化工作量也很大,一旦设置完成,发货后就很难再去优化。

技术实现思路

1、本发明的目的在于提供一种基于bp神经网络的超视距超短波电台及其通信方法,旨在解决上述的问题。

2、本发明主要通过以下技术方案实现:

3、一种基于bp神经网络的超视距超短波电台的通信方法,包括接收阶段和发射阶段,在接收阶段,通过bp神经网络模块优化接收通道的接收信号质量以及优化基带模块的解调和信号检测;在发射阶段,通过bp神经网络模块优化电台信源和信道的联合编码、调制以及发射通道配置参数;对bp神经网络模块中的bp神经网络模型进行训练,且训练包括以下步骤:

4、步骤t1:在完成电台硬件调试后的老化训练阶段,电台上电老化后,在老化室进行训练,在训练的过程中,在模拟视距大信号强度、超视距中等距离中等信号强度和超视距远距离弱信号强度的场景下,联合信源的传数据和传语音两种工作模式进行训练,并优化出一个初始的bp神经网络模型;

5、步骤t2:在电台的使用过程中,进行现场训练,继续优化更新bp神经网络模型,以确保在不同通信环境下都能保证通信质量。

6、为了更好地实现本发明,进一步地,所述步骤t2中,现场训练包含通信空闲期的心跳训练以及通信过程中的训练;在通信空闲期,电台按设定的时间间隔发射心跳训练信号,在通信范围内的其他电台收到该训练信号后,解调出发射信号的电台的id以及训练出跟这台电台通信的最佳参数;在通信的过程中,电台根据接收检测出的信号不断训练收敛出更好的通信配置参数。

7、为了更好地实现本发明,进一步地,所述步骤t1和步骤t2中,在相同的电磁环境和通信条件下,以最佳的通信质量为目标,bp神经网络模型的训练分别包括前向传播以及误差反向传播两个过程;

8、在正向传播时,输入训练样本中的数据信号,通过隐含层作用于输出节点,经过非线性变换,产生输出信号;若实际的通信质量指标与期望的目标通信质量指标不相符,则转入误差的反向传播过程;

9、在误差反向传播时,将输出误差通过隐含层向输入层逐层反传,并将误差分摊给各层所有单元,以从各层获得的误差信号作为调整各单元权值的依据;通过调整输入节点与隐层节点的联接强度和隐层节点与输出节点的联接强度以及阈值,使误差沿梯度方向下降,经过反复学习训练,确定与最小误差相对应的网络参数权值和阈值,训练即告停止。

10、为了更好地实现本发明,进一步地,所述训练样本中的数据信号包括接收信号强度、电磁背景参数、信源数据、多径信号、电台环境参数、记忆历史数据中的任意一种或者多种;所述输出信号包括信源和信道联合编码、调制模式、发射通道控制参数、接收通道控制参数、接收噪声背景数据、接收信号解调与检测中的任意一种或者多种。

11、为了更好地实现本发明,进一步地,所述接收阶段包括以下步骤:

12、步骤r1:首先通过天线接收空间的电磁波信号,然后通过接收模块处理后得到滤波放大的中频信号,进而通过bp神经网络模块将中频信号优化到最佳状态;

13、步骤r2:将步骤r1处理后的中频信号传输给数字信号处理模块进行数字信号处理,所述数字信号处理包括模拟抗混叠滤波、模数转换、量化误差校正、数字下变频、数字抗混叠滤波、自适应噪声整形滤波、信号捕获和同步、信道估计和均衡、信号检测;所述数字信号处理的过程是在bp神经网络模块优化后的配置参数控制下进行;

14、步骤r3:将步骤r2处理后的信号传输给基带模块进行基带信号处理,所述基带信号处理包括自适应解调、前向纠错解码、数据解码、数据提取恢复、数据解密,并通过bp神经网络模块对基带信号处理进行优化,以通信质量达到最佳为目标恢复出最好的数据。

15、为了更好地实现本发明,进一步地,所述发射阶段包括以下步骤:

16、步骤s1:当有信源数据需要发射时,bp神经网络模块根据信源数据、呼叫对象以及模型中的历史配置参数,对信源和信道联合编码,并根据存储的远端被叫目标信息调整调制模式和发射功率,优化出电台发射通道配置参数;

17、步骤s2:有信源数据在电台发射通道配置参数的控制下和信道联合编码,并进行信号调制,然后传输给数字信号处理模块进行数字信号处理,经过数字滤波和上变频,数模转换成中频信号后输出给发射模块进行发射。

18、本发明主要通过以下技术方案实现:

19、一种基于bp神经网络的超视距超短波电台,基于上述的通信方法进行,包括接收模块、发射模块、频综模块、数字信号处理模块、基带模块和bp神经网络模块;所述数字信号处理模块分别与接收模块、发射模块、基带模块和频综模块连接,所述bp神经网络模块与基带模块连接,频综模块分别与接收模块、发射模块连接。

20、所述基带模块包括bp神经网络接口模块、编解码模块、调制解调模块、声码器模块和加/解密模块,所述基带模块通过bp神经网络接口模块与bp神经网络模块连接;所述声码器模块用于对语音进行压缩得到数字化语音,所述加/解密模块用于对接收的信源数据或数字化语音进行加/解密,以提取信源特征参数发送给bp神经网络模块;所述编解码模块用于根据bp神经网络模块输出的控制参数对信源和信道进行联合编码,并输出至调制解调模块,以进行调制;

21、所述数字信号处理模块包括信号处理单元、模数转换模块、数模转换模块、bp神经网络数据接口;所述模数转换模块用于将中频信号进行抗混叠滤波并进行模数转换成数字信号,以发送至信号处理单元;所述信号处理单元用于处理数字信号并发送至基带模块进行基带信号处理;所述数模转换模块用于将数据或数字语音转换成模拟信号;所述bp神经网络数据接口用于接收训练数据,并通过信号处理单元传输至基带模块。

22、为了更好地实现本发明,进一步地,所述发射模块包括按信号处理先后依次设置的中频滤波模块、变频放大模块、功率放大模块和谐波滤波模块;所述接收模块包括按信号处理先后依次设置的滤波器、自适应低噪声放大器、电调滤波器、射频放大模块、变频模块、中频滤波模块、agc放大模块和中频滤波模块。

23、为了更好地实现本发明,进一步地,所述数字信号处理模块还包括收发信道控制模块和接口单元;所述收发信道控制模块用于发送控制信号至接收模块、发射模块和频综模块,所述接口单元用于数字信号处理模块与其他模块的数据交互。

24、为了更好地实现本发明,进一步地,所述电台的定点运算采用fpga实现,浮点运算采用dsp和arm实现,多cpu分工协作。

25、本发明的有益效果如下:

26、(1)本发明采用了bp神经网络算法,重点优化了信源和信道联合编码、信号检测与纠错、背景噪声的滤除、自适应调制解调、射频收发通道的自适应控制算法等影响通信稳定性方面的因素。本发明通过bp神经网络模型的两个层次的训练调优进化,在通信的即时性保障和通信稳定性等指标上做到决策的最优化,对通信传输信道做到预判并自动调优电台的各项参数以便达到最佳的通信效果。本发明的突出特点是通信距离远,能达到超视距的约400km,并且通信信号稳定,话音质量高和数据传输误码率低,可广泛应用于海事调度、江河船舶调度、海上作业通信、渔业、人防、应急救援等关键应急通信领域,具有较好的实用性。

27、(2)本发明创造性采用bp神经网络算法来实现全局参数的自动寻优和现场应用中电台的进化优化,简化超视距超短波电台的调试调优工作。本发明通过训练进行模型进化,使超视距超短波通信电台能自动适应各种复杂的电磁环境,不管是视距范围内的强信号还是超视距远距离的微弱信号强度下,都能通过算法优化发射和接收通道、优化信源和信道的编码、优化调制解调以及优化信号检测等,达到超视距稳定通信的目的。在bp神经网络算法加持下,电台的优化和训练进化过程都是智能化的,电台能快速进化适应不同的通信环境并在使用中提前预判最优的通信信号传播途径,具有较好的实用性。

本文地址:https://www.jishuxx.com/zhuanli/20240802/237465.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。