本發(fā)明涉及fir濾波分?jǐn)?shù)延時(shí)領(lǐng)域，具體是一種基于fir濾波器的分?jǐn)?shù)延時(shí)方法。

背景技術(shù)：

1、在信號(hào)處理領(lǐng)域，信號(hào)傳輸經(jīng)常受到多徑效應(yīng)和多普勒頻移的影響，這些影響會(huì)導(dǎo)致信號(hào)失真和性能下降。為了解決這些問題，研究者們已經(jīng)開發(fā)了多種信號(hào)處理技術(shù)。其中，分?jǐn)?shù)延時(shí)fir濾波器作為一種有效的信號(hào)處理工具，被廣泛應(yīng)用于信號(hào)的時(shí)間對(duì)齊和失真校正。分?jǐn)?shù)延時(shí)技術(shù)允許信號(hào)在采樣周期的小數(shù)部分上進(jìn)行延時(shí)，從而提供比傳統(tǒng)整數(shù)延時(shí)更精細(xì)的時(shí)間控制。然而，設(shè)計(jì)一個(gè)性能優(yōu)異的分?jǐn)?shù)延時(shí)fir濾波器需要精確的時(shí)間延遲估計(jì)和多普勒頻移估計(jì)，這在動(dòng)態(tài)和復(fù)雜的通信環(huán)境中是一個(gè)挑戰(zhàn)。

2、現(xiàn)有的技術(shù)通常依賴于復(fù)雜的算法和多個(gè)假設(shè)條件來估計(jì)信號(hào)的時(shí)間延遲和多普勒頻移。例如，一些方法使用自適應(yīng)濾波器、最小二乘估計(jì)或頻域分析來提取信號(hào)特征。這些技術(shù)在特定條件下可以工作得很好，但可能需要大量的計(jì)算資源，并且在信號(hào)特性快速變化的環(huán)境中可能不夠靈活或準(zhǔn)確。此外，傳統(tǒng)的信號(hào)處理方法可能無法充分利用信號(hào)的非線性特征，這些特征在深度學(xué)習(xí)技術(shù)中可以被更有效地捕捉和利用。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明針對(duì)現(xiàn)有技術(shù)的缺陷，提出了一種基于深度學(xué)習(xí)的分?jǐn)?shù)延時(shí)fir濾波器設(shè)計(jì)方法。通過使用深度神經(jīng)網(wǎng)絡(luò)自動(dòng)提取信號(hào)的關(guān)鍵特征，并估計(jì)時(shí)間延遲和多普勒頻移，本方案能夠更準(zhǔn)確地適應(yīng)信號(hào)的非線性特性。

2、其中，一種基于fir濾波器的分?jǐn)?shù)延時(shí)方法，包括以下步驟：

3、s1.采集包含多徑效應(yīng)的信號(hào)，并對(duì)信號(hào)進(jìn)行篩選預(yù)處理，獲取受多普勒頻移和多徑傳播影響的信號(hào)數(shù)據(jù)，對(duì)信號(hào)數(shù)據(jù)進(jìn)行特征提?。?/p>

4、s2.構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，將特征提取后的信號(hào)特征作為模型輸入，輸出信號(hào)的時(shí)間延遲估計(jì)值和多普勒頻移估計(jì)值；

5、s3.根據(jù)模型輸出的多普勒頻移估計(jì)值，通過與多普勒頻移估計(jì)值相反的頻率偏移進(jìn)行信號(hào)混頻，完成多普勒校正；

6、s4.根據(jù)模型輸出的時(shí)間延遲估計(jì)通過優(yōu)化算法計(jì)算fir濾波器的系數(shù)，根據(jù)計(jì)算得到的系數(shù)設(shè)計(jì)fir濾波器，進(jìn)行分?jǐn)?shù)延時(shí)。

7、進(jìn)一步的，所述步驟s1中，對(duì)信號(hào)進(jìn)行特征提取具體包括以下子步驟：

8、s101.提取時(shí)域統(tǒng)計(jì)特征，所述時(shí)域統(tǒng)計(jì)特征包括信號(hào)均值、信號(hào)方差、信號(hào)偏度和信號(hào)峰度；

9、s102.對(duì)信號(hào)進(jìn)行傅里葉變換，提取頻譜，通過頻譜獲取頻率偏移特征和變化率特征；

10、s103.計(jì)算stft系數(shù)，得到時(shí)頻表示，通過時(shí)頻表示獲取到達(dá)時(shí)間差特征和路徑衰減特征；s104.將時(shí)域統(tǒng)計(jì)特征、頻率偏移特征、變化率特征、到達(dá)時(shí)間差特征和路徑衰減特征組成綜合向量。

11、進(jìn)一步的，所述步驟s2具體包括以下子步驟：

12、s201.構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)，通過深度學(xué)習(xí)網(wǎng)絡(luò)的隱藏層學(xué)習(xí)信號(hào)的非線性特征，并定義損失函數(shù)；

13、s202.輸入特征提取后的信號(hào)特征，深度學(xué)習(xí)網(wǎng)絡(luò)分別通過兩個(gè)相互獨(dú)立的線性層進(jìn)行時(shí)間延遲估計(jì)和多普勒頻移估計(jì)；

14、s203.輸出信號(hào)的時(shí)間延遲估計(jì)值和多普勒頻移估計(jì)值。

15、進(jìn)一步的，所述通過深度學(xué)習(xí)網(wǎng)絡(luò)的隱藏層學(xué)習(xí)信號(hào)的非線性特征具體表示為：

16、h＝activation(w·hin+b)；

17、其中，所述h表示神經(jīng)網(wǎng)絡(luò)的激活輸出向量，所述activation表示激活函數(shù)，所述hin表示輸入向量，所述w表示權(quán)重矩陣，所述b表示偏置向量。

18、進(jìn)一步的，所述深度學(xué)習(xí)網(wǎng)絡(luò)分別通過兩個(gè)相互獨(dú)立的線性層進(jìn)行時(shí)間延遲估計(jì)和多普勒頻移估計(jì)具體表示為：

19、

20、其中，所述表示時(shí)間延遲的估計(jì)值，所述表示多普勒頻移的估計(jì)值，所述o(·)表示輸出層的函數(shù)，所述h表示最后一個(gè)隱藏層的激活輸出。

21、進(jìn)一步的，所述損失函數(shù)采用均方誤差，具體表示為：

22、

23、其中，所述表示損失函數(shù)，所述n表示樣本數(shù)量，所述表示第i個(gè)樣本的真實(shí)時(shí)間延遲，所述表示第i個(gè)樣本的真實(shí)多普勒頻移，所述表示時(shí)間延遲的估計(jì)值，所述表示多普勒頻移的估計(jì)值。

24、進(jìn)一步的，所述步驟s4具體包括以下子步驟：

25、s401.定義理想分?jǐn)?shù)延時(shí)響應(yīng)；

26、s402.初始化濾波器系數(shù)，通過梯度下降算法最小化誤差函數(shù)；

27、s403.迭代更新濾波器系數(shù)，使用優(yōu)化得到的濾波器系數(shù)對(duì)信號(hào)進(jìn)行分?jǐn)?shù)延時(shí)補(bǔ)償。

28、進(jìn)一步的，所述理想分?jǐn)?shù)延時(shí)響應(yīng)具體表示為：

29、

30、其中，所述d[n]表示理想分?jǐn)?shù)延時(shí)后的信號(hào)，所述x表示原始信號(hào)，所述n表示樣本數(shù)，所述表示時(shí)間延遲的估計(jì)值，所述(·)+表示非負(fù)截?cái)唷?/p>

31、進(jìn)一步的，所述誤差函數(shù)具體表示為：

32、

33、其中，所述e(c)表示誤差函數(shù)，所述n表示信號(hào)長(zhǎng)度，所述n表示樣本數(shù)，所述y[n]表示濾波器在時(shí)間n的輸出，所述d[n]表示理想分?jǐn)?shù)延時(shí)后的信號(hào)，所述ck表示濾波器的第k個(gè)系數(shù)，所述x表示原始信號(hào)，所述k表示系數(shù)的常數(shù)，所述(·)+表示非負(fù)截?cái)唷?/p>

34、進(jìn)一步的，所述迭代更新濾波器系數(shù)具體表示為：

35、

36、其中，所述c(t+1)表示優(yōu)化算法在t+1時(shí)間步的濾波器系數(shù)，所述c(t)表示優(yōu)化算法在t時(shí)間步的濾波器系數(shù)，所述η表示學(xué)習(xí)率，所述表示誤差函數(shù)對(duì)當(dāng)前系數(shù)c(t)的梯度。

37、發(fā)明的有益效果是：

38、本發(fā)明使用深度學(xué)習(xí)網(wǎng)絡(luò)的隱藏層學(xué)習(xí)信號(hào)的復(fù)雜非線性特征，并通過兩個(gè)獨(dú)立的線性層進(jìn)行時(shí)間延遲和多普勒頻移的估計(jì)，不僅提高了估計(jì)的準(zhǔn)確性，而且通過優(yōu)化算法自動(dòng)調(diào)整fir濾波器的系數(shù)，實(shí)現(xiàn)了更精細(xì)的分?jǐn)?shù)延時(shí)補(bǔ)償；此外，本發(fā)明通過定義理想分?jǐn)?shù)延時(shí)響應(yīng)和使用梯度下降算法最小化誤差函數(shù)，進(jìn)一步提高了濾波器設(shè)計(jì)的性能。

技術(shù)特征：

1.一種基于fir濾波器的分?jǐn)?shù)延時(shí)方法，其特征在于，包括以下步驟：

2.如權(quán)利要求1所述的一種基于fir濾波器的分?jǐn)?shù)延時(shí)方法，其特征在于，所述步驟s1中，對(duì)信號(hào)進(jìn)行特征提取具體包括以下子步驟：

3.如權(quán)利要求1所述的一種基于fir濾波器的分?jǐn)?shù)延時(shí)方法，其特征在于，所述步驟s2具體包括以下子步驟：

4.如權(quán)利要求3所述的一種基于fir濾波器的分?jǐn)?shù)延時(shí)方法，其特征在于，所述通過深度學(xué)習(xí)網(wǎng)絡(luò)的隱藏層學(xué)習(xí)信號(hào)的非線性特征具體表示為：

5.如權(quán)利要求3所述的一種基于fir濾波器的分?jǐn)?shù)延時(shí)方法，其特征在于，所述深度學(xué)習(xí)網(wǎng)絡(luò)分別通過兩個(gè)相互獨(dú)立的線性層進(jìn)行時(shí)間延遲估計(jì)和多普勒頻移估計(jì)具體表示為：

6.如權(quán)利要求3所述的一種基于fir濾波器的分?jǐn)?shù)延時(shí)方法，其特征在于，所述損失函數(shù)采用均方誤差，具體表示為：

7.如權(quán)利要求1所述的一種基于fir濾波器的分?jǐn)?shù)延時(shí)方法，其特征在于，所述步驟s4具體包括以下子步驟：

8.如權(quán)利要求7所述的一種基于fir濾波器的分?jǐn)?shù)延時(shí)方法，其特征在于，所述理想分?jǐn)?shù)延時(shí)響應(yīng)具體表示為：

9.如權(quán)利要求7所述的一種基于fir濾波器的分?jǐn)?shù)延時(shí)方法，其特征在于，所述誤差函數(shù)具體表示為：

10.如權(quán)利要求7所述的一種基于fir濾波器的分?jǐn)?shù)延時(shí)方法，其特征在于，所述迭代更新濾波器系數(shù)具體表示為：

技術(shù)總結(jié)
本發(fā)明公開了一種基于FIR濾波器的分?jǐn)?shù)延時(shí)方法，涉及FIR濾波分?jǐn)?shù)延時(shí)領(lǐng)域，本發(fā)明使用深度學(xué)習(xí)網(wǎng)絡(luò)的隱藏層學(xué)習(xí)信號(hào)的復(fù)雜非線性特征，并通過兩個(gè)獨(dú)立的線性層進(jìn)行時(shí)間延遲和多普勒頻移的估計(jì)，不僅提高了估計(jì)的準(zhǔn)確性，而且通過優(yōu)化算法自動(dòng)調(diào)整FIR濾波器的系數(shù)，實(shí)現(xiàn)了更精細(xì)的分?jǐn)?shù)延時(shí)補(bǔ)償；此外，本發(fā)明通過定義理想分?jǐn)?shù)延時(shí)響應(yīng)和使用梯度下降算法最小化誤差函數(shù)，進(jìn)一步提高了濾波器設(shè)計(jì)的性能。

技術(shù)研發(fā)人員：張萌,蒲超,寧國(guó)勇,張紫琦
受保護(hù)的技術(shù)使用者：航天科工通信技術(shù)研究院有限責(zé)任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10