一种基于CNN-GRU的OFDM-HPLC系统信道预测方法、存储介质及设备

    公开(公告)号:CN118353746A

    公开(公告)日:2024-07-16

    申请号:CN202410533559.4

    申请日:2024-04-30

    Abstract: 本发明公开了一种基于CNN‑GRU的OFDM‑HPLC系统信道预测方法、存储介质及设备,包括:改进高速电力线多径信道传输模型,获取高速电力线多径时变信道的频率响应,结合发射信号、噪声,得到频域接收信号,提取导频信号,进行信道估计,得到时域下对应子载波序号的信道脉冲响应,经处理后,得到信道估计值;构建CNN‑GRU深度学习网络,将信道估计值的训练集作为输入,直至损失函数收敛,完成对CNN‑GRU深度学习网络的训练;实时采集频域接收信号,输入到训练好的CNN‑GRU深度学习网络中,得到信道频率响应预测值。本发明方法通过将电力线的信道估计与深度学习结合,使得估计的信道频率响应更接近于真实值。

    基于极化码和长短期记忆神经网络的电力线载波通信信号检测算法

    公开(公告)号:CN118473456A

    公开(公告)日:2024-08-09

    申请号:CN202410559516.3

    申请日:2024-05-08

    Abstract: 本发明公开了基于极化码和长短期记忆神经网络的电力线载波通信信号检测算法,属于载波通信领域,信号检测算法包括离线训练阶段、以及在线测试阶段;离线训练阶段中,对接收信号Y进行数据处理,将接收信号Y的实部、虚部交替组合变为信号Yp,极化编码后的数据D经过计算得到标签L,信号Yp和标签L作为长短期记忆神经网络的训练输入,得到训练好的长短期记忆神经网络;在线测试阶段中,接收信号Yr经过数据处理后变为信号Yp输入训练好的长短期记忆神经网络,得到的数据经过数据恢复、解调、极化译码恢复成原始数据x。本发明的算法,译码性能优秀,误码率低,能够更有效地减弱脉冲噪声带来的影响,提高了整个电力线载波系统的可靠性。

Patent Agency Ranking