取若干 采样逐点求和后再进行口限判决，而判决是对一个码元周期内全部采样的批处理，甚 至是对n个码元周期内全部采样的一次性联合判决，因而其对于采样同步的精度要求远低 于前者，对位同步的要求也更低；
[0化7] 3)现有通信接收机为补偿或消除因带限（即使尚未达到奈奎斯特速率或超奈奎 斯特速率的带限）而引起的码间干扰，解调前首先要进行信道估计、信道均衡、逆滤波等技 术处理，而本发明的化-C順解调器可通过预先的学习而省去或"合并"该一步骤，也避免了 因带外噪声提升而导致的解调前信噪比的恶化；
[0化引 4) 解调器可W在线学习，因而具有W解调器网络拓扑或硬件结构的"不变" 来适应调制方式和信道特性的"万变"的潜力，有利于解调器和接收机的规格化、通用性、可 定制和软件无线电实现。
【附图说明】
[0化9] 图1是卷积神经网络中层与层之间的局部感受野连接示意图。
[0060] 图2是基于的一个文字识别系统LeNet-5的网络结构图，包括输入层输出 层在内总共有8层。其中包括3个卷积层、2个下采样层、1个全连接层W及输入、输出层。
[0061] 图3是基于解调的超奈奎斯特速率通信系统框图。
[006引 图4是载频为30曲Z，发送端带宽限制为2曲Z时，N= 28,K= 5,10倍采样率时反 相邸PSK信号经过发送端带通滤波器后的时域波形比较图，码元序列为"1 1 1 0 0 0 1 0 10"。
[006引图5是载频为30曲Z，调制参数N=28、K=5,10倍采样率时简化邸PSK调制信 号的功率谱，所调制的信息码元序列为"1 1 1 0 0 0 1 0 1 0"，其中图5(a)为原始已调 制信号功率谱；图5(b)是图5(a)信号通过带宽为2曲Z的发送端带通滤波器后的功率谱。 [0064]图6是无噪声时图5(b)中的信号通过接收滤波器后的时域波形，其中图6(a)采 用冲击滤波器作为接收滤波器，图6化）采用FIR带通滤波器作为接收滤波器。
[00化]图7是发送端限带4曲Z、接收端采用冲击滤波器处理，DkC順分别采用单码元、双 码元W及3码元判决时的误码率性能，W及经典幅度积分判决的误码率性能。
[0066] 图8是发送端限带2曲Z、接收端采用普通FIR带通滤波器处理，DkC順分别采用 单码元、双码元W及3码元判决时的误码率性能，W及经典幅度积分判决的误码率性能。
[0067] 图9是发送端限带2曲Z、接收端分别采用冲击滤波器和普通FIR带通滤波器进行 处理，分别采用单码元、双码元W及3码元判决时的误码率性能，W及经典幅度积分 判决的误码率性能。
[0068] 图10是发送端限带1曲Z、接收端采用普通FIR带通滤波器处理，DkC順分别采用 单码元、双码元W及3码元判决时的误码率性能，W及经典幅度积分判决的误码率性能。
【具体实施方式】
[0069] 下面结合附图对本发明作更进一步的说明。
[0070] 1.系统描述
[0071] 本发明的具体实施例为加性高斯白噪声（AWGN)信道下对于简化限带邸PSK调制 信号的化-C順抗码间干扰解调，其系统框图参见图3,信道的左边为超奈奎斯特速率调制 器，信道的右边为抗码间干扰的化-C順解调器。
[0072] 该里超奈奎斯特速率调制器在结构上由调制器1和超带限滤波器2构成，其中调 制器1可为任何体制（如相移键控、频移键控、正交调幅等）、进制（二进制、多进制）和速 率的常规调制器，而超带限滤波器2也可为任何形式的带通滤波器，只是已调制信号速率 能否超奈奎斯特速率由其滤波带宽控制。因此，超奈奎斯特速率调制器与普通调制器在系 统结构上并无不同。
[0073] DkC順解调器包括接收滤波器和化-C順分类判决器6,上述二者级联；所述 分类判决器6由多层的卷积神经网络分类器组成。
[0074] 发送端码元序列首先经过调制器1，实现按照1式所定义的简化邸PSK调制；然后 经过超带限滤波器2,W模拟带宽限制可超过奈奎斯特速率的带通信道；最后经过信道3叠 加上局斯白噪声。
[0075] 接收端首先提供两种可选方案提升解调性能；一是通过冲击滤波器4放大"0…1" 码元之间的差异，并滤除部分带外噪声；二是通过常规的FIR带通滤波器5滤除带外噪声。 然后将经过滤波后的邸PSK接收信号送入已训练好的化-C順分类判决器6中，解调出相对 应的信息符号。由于邸PSK为二进制调制，因而在此直接得到信息码流。
[0076] 下面展开描述解调器的具体实施。
[0077] 2.接收滤波器设计
[007引接收滤波器既可W数字实现，也可W模拟实现，只是为了便于仿真对比，本实施例 均采用数字滤波器实现。
[0079] 1)数字冲击滤波器值igitalImpactingFilters)
[0080] 图3中的所述数字冲击滤波器4是一类无限冲激响应（IIR)带通滤波器（也可W 采用FIR滤波器），由一对共辆零点和至少两对共辆极点构成，零点谐振频率低于输入信号 的载波频率，极点频率全部高于输入信号的载波频率，且零点频率不能在极点频率之间，零 点频率和极点频率的靠近程度不劣于输入信号载波频率的1(T3数量级，W保证在滤波器通 带内的中屯、频率处呈现出一个极窄的陷波-选频特性（或者利用任何睹峭的相频特性）， 使得不对称二元调制信号的滤波输出波形在信息调制处产生寄生调幅冲击，信噪比得W提 升。关于数字冲击滤波器的原理和设计详见"用于增强不对称二元调制信号的冲击滤波方 法"（发明专利号；ZL200910029875.3)，本申请书只是为了对比采用同样数字冲击滤波器作 为接收滤波器的幅度积分判决解调器和化-C順解调器的性能，所W，本实施例直接沿用所 述专利中的一个单零点-3极点的数字冲击滤波器方案。该数字冲击滤波器的传递函数如 下：
[0081]
【主权项】
1. 一种超奈奎斯特速率通信的DN-CNN解调器，其特征在于：包括接收滤波器和DL-CNN 分类判决器（6)，上述二者级联；所述DL-CNN分类判决器（6)由多层的卷积神经网络分类 器组成；所述卷积神经网络分类器在具有不同的信道带宽、信噪比和码间干扰环境下的通 信样本中进行深度学习，提取和记忆带有码间干扰的调制信号滤波响应的波形特征和内在 关联从而完成训练。
2. 根据权利要求1所述的超奈奎斯特速率通信的DN-CNN解调器，其特征在于：所述接 收滤波器为冲击滤波器（4)。
3. 根据权利要求1所述的超奈奎斯特速率通信的DN-CNN解调器，其特征在于：所述接 收滤波器为带通滤波器（5)。
4. 根据权利要求1所述的超奈奎斯特速率通信的DN-CNN解调器，其特征在于：所述 DL-CNN分类判决器（6)采用单码元判决方法或者多码元联合判决方法，所述多码元联合判 决方法为对多个码元周期内的全部采样值进行联合判决。
【专利摘要】本发明公开了一种用于超奈奎斯特速率通信的DL-CNN(深度学习-卷积神经网络)解调器。对于经过严格带限信道甚至超过奈奎斯特速率带宽限制的数字调制信号，该解调器利用卷积神经网络(CNN)在接收端直接从经过冲击滤波器或普通带通滤波器滤波后的接收信号样本中抽取出包含码间干扰在内的信号特征后，利用深度学习(DL)对卷积神经网络进行训练，并采用单码元或多码元联合判决，使得DL-CNN能够在较强码间干扰环境下对接收信号样本进行分类，从而实现对于超奈奎斯特速率调制信号的抗码间干扰解调，而且比常规的幅度积分判决解调器有着更为优异的解调性能和很强的适应能力。
【IPC分类】H04L1-00
【公开号】CN104811276
【申请号】CN201510220785
【发明人】吴乐南, 欧阳星辰
【申请人】东南大学
【公开日】2015年7月29日
【申请日】2015年5月4日