一种相位校正方法及系统与流程

本申请涉及智能校正领域，且更为具体地，涉及一种相位校正方法及系统。

背景技术：

1、在现代通信系统中，调制与解调是确保信息有效传输的关键步骤。首先，为了使信号能够在各种不同的传输介质中更有效地传播，在信号的传送端，通过调制技术将基频信号加载到一个高频的载波上，从而生成调制后的信号。调制后的信号通过各种通信信道，例如无线信道、光纤或电缆，最终到达接收端。在接收端，接收到的信号需要经过解调处理，以去除或降低载波频率，将调制信号还原为原始的基频信号，从而便于后续的信号处理和解码。然而，在实际的通信过程中，传送端和接收端的载波频率往往无法实现完全同步，从而导致信号的相位发生偏移，进而影响信号的解调质量。

2、为了提高通信系统的性能，需要对信号进行相位校正。现有技术中，相位校正方法通常依赖于硬件调整，如锁相环（pll）技术。然而，锁相环技术硬件实现复杂度较高，需要额外的校准步骤，增加了系统的成本和维护难度，并且调整范围有限，难以适应快速变化的通信环境。此外，由于电路中的元件存在温度漂移、老化等非理想因素，使得锁相环技术在实际应用中存在一定的局限性。

3、因此，期待一种优化的相位校正方法及系统。

技术实现思路

1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种相位校正方法及系统，其通过采用基于深度学习的人工智能技术对待调制信号的各个局部信号片段进行信号分析，以捕捉到各个局部信号片段的波形语义特征，并对各个局部信号片段的波形语义特征进行前向和后向的信息传播聚合，进而基于信号的前向传播聚合特征与后向传播聚合特征之间的匹配融合信息，实现对调制信号的精确相位校正。这样，可以在不依赖于传统硬件调整技术的情况下，通过软件层面的优化，提高通信系统的性能和适应性，以及信号传输的准确性和可靠性。

2、根据本申请的一个方面，提供了一种相位校正方法，其包括：

3、获取待调制信号；

4、对所述待调制信号进行基于局部尺度的波形语义特征提取以得到待调制信号片段波形语义特征向量的序列；

5、将所述待调制信号片段波形语义特征向量的序列输入基于序列内生相关性分析的特征优化模块以得到待调制信号片段波形优化语义特征向量的序列；

6、对所述待调制信号片段波形优化语义特征向量的序列进行双向传播校正以得到双向传播校正待调制信号显著融合表示向量；

7、将所述双向传播校正待调制信号显著融合表示向量输入基于解码器的相位校正器以得到相位校正调制信号。

8、根据本申请的另一个方面，提供了一种相位校正系统，其包括：

9、信号获取模块，用于获取待调制信号；

10、波形语义特征提取模块，用于对所述待调制信号进行基于局部尺度的波形语义特征提取以得到待调制信号片段波形语义特征向量的序列；

11、特征优化模块，用于将所述待调制信号片段波形语义特征向量的序列输入基于序列内生相关性分析的特征优化模块以得到待调制信号片段波形优化语义特征向量的序列；

12、双向传播校正模块，用于对所述待调制信号片段波形优化语义特征向量的序列进行双向传播校正以得到双向传播校正待调制信号显著融合表示向量；

13、相位校正调制信号生成模块，用于将所述双向传播校正待调制信号显著融合表示向量输入基于解码器的相位校正器以得到相位校正调制信号。

14、与现有技术相比，本申请提供的一种相位校正方法及系统，其通过采用基于深度学习的人工智能技术对待调制信号的各个局部信号片段进行信号分析，以捕捉到各个局部信号片段的波形语义特征，并对各个局部信号片段的波形语义特征进行前向和后向的信息传播聚合，进而基于信号的前向传播聚合特征与后向传播聚合特征之间的匹配融合信息，实现对调制信号的精确相位校正。这样，可以在不依赖于传统硬件调整技术的情况下，通过软件层面的优化，提高通信系统的性能和适应性，以及信号传输的准确性和可靠性。

技术特征：

1.一种相位校正方法，其特征在于，包括：

2.根据权利要求1所述的相位校正方法，其特征在于，对所述待调制信号进行基于局部尺度的波形语义特征提取以得到待调制信号片段波形语义特征向量的序列，包括：

3.根据权利要求2所述的相位校正方法，其特征在于，将所述待调制信号片段波形语义特征向量的序列输入基于序列内生相关性分析的特征优化模块以得到待调制信号片段波形优化语义特征向量的序列，包括：

4.根据权利要求3所述的相位校正方法，其特征在于，计算所述待调制信号片段波形语义特征向量的序列中任意两个待调制信号片段波形语义特征向量之间的语义关联得分向量以得到待调制信号片段波形语义关联得分向量的序列，包括：

5.根据权利要求4所述的相位校正方法，其特征在于，基于所述序列内生相关性全局表示向量，计算所述待调制信号片段波形语义特征向量的序列中的各个待调制信号片段波形语义特征向量的关联优化因子以得到关联优化因子的序列，包括：

6.根据权利要求5所述的相位校正方法，其特征在于，对所述待调制信号片段波形优化语义特征向量的序列进行双向传播校正以得到双向传播校正待调制信号显著融合表示向量，包括：

7.根据权利要求6所述的相位校正方法，其特征在于，将所述待调制信号前向传播聚合表示向量和所述待调制信号后向传播聚合表示向量输入基于特征主成分查询匹配的显著融合网络以得到所述双向传播校正待调制信号显著融合表示向量，包括：

8.根据权利要求7所述的相位校正方法，其特征在于，将所述待调制信号前向传播聚合主成分特征向量的集合和所述待调制信号后向传播聚合主成分特征向量的集合输入最大近似查询匹配网络以得到待调制信号前向传播聚合主成分特征向量和待调制信号后向传播聚合主成分特征向量的最佳匹配对的集合，包括：

9.根据权利要求8所述的相位校正方法，其特征在于，将所述待调制信号前向传播聚合主成分特征向量和待调制信号后向传播聚合主成分特征向量的最佳匹配对的集合中的各个最佳匹配对输入语义细粒度联合分析模块以得到待调制信号双向传播聚合主成分联合特征向量的集合，包括：

10.一种相位校正系统，其特征在于，包括：

技术总结本申请公开了一种相位校正方法及系统，其通过采用基于深度学习的人工智能技术对待调制信号的各个局部信号片段进行信号分析，以捕捉到各个局部信号片段的波形语义特征，并对各个局部信号片段的波形语义特征进行前向和后向的信息传播聚合，进而基于信号的前向传播聚合特征与后向传播聚合特征之间的匹配融合信息，实现对调制信号的精确相位校正。这样，可以在不依赖于传统硬件调整技术的情况下，通过软件层面的优化，提高通信系统的性能和适应性，以及信号传输的准确性和可靠性。技术研发人员：黄力,王洪志,屈楚雄受保护的技术使用者：四川优力源电子科技有限公司技术研发日：技术公布日：2024/11/4