CN113691335A - 一种覆盖多类损耗因素的通用电磁信号数据集构建方法 - Google Patents

一种覆盖多类损耗因素的通用电磁信号数据集构建方法 Download PDF

Info

Publication number
CN113691335A
CN113691335A CN202110968215.2A CN202110968215A CN113691335A CN 113691335 A CN113691335 A CN 113691335A CN 202110968215 A CN202110968215 A CN 202110968215A CN 113691335 A CN113691335 A CN 113691335A
Authority
CN
China
Prior art keywords
signal
loss
data set
signal data
electromagnetic signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110968215.2A
Other languages
English (en)
Other versions
CN113691335B (zh
Inventor
丁文锐
肖京
王玉峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN202110968215.2A priority Critical patent/CN113691335B/zh
Publication of CN113691335A publication Critical patent/CN113691335A/zh
Application granted granted Critical
Publication of CN113691335B publication Critical patent/CN113691335B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/318—Received signal strength
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/32—Carrier systems characterised by combinations of two or more of the types covered by groups H04L27/02, H04L27/10, H04L27/18 or H04L27/26
    • H04L27/34—Amplitude- and phase-modulated carrier systems, e.g. quadrature-amplitude modulated carrier systems
    • H04L27/38—Demodulator circuits; Receiver circuits
    • H04L27/3845—Demodulator circuits; Receiver circuits using non - coherent demodulation, i.e. not using a phase synchronous carrier
    • H04L27/3854—Demodulator circuits; Receiver circuits using non - coherent demodulation, i.e. not using a phase synchronous carrier using a non - coherent carrier, including systems with baseband correction for phase or frequency offset
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Electromagnetism (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Quality & Reliability (AREA)
  • Noise Elimination (AREA)
  • Digital Transmission Methods That Use Modulated Carrier Waves (AREA)

Abstract

本发明公开了一种覆盖多类损耗因素的通用电磁信号数据集构建方法，属于无线通信信号仿真领域。整体通信系统框架包括电磁信号输入层、通信系统场景定义层、通信系统损耗定义层和信号数据输出层。电磁信号输入层对码元信息进行调制，生成多种单载波调制信号，最终以射频调制信号的形式输出，通过通信系统场景定义层确定通信场景中存在的损耗因素类型，通信系统损耗定义层对射频调制信号按顺序添加损耗因素，生成覆盖多类损耗因素的电磁信号数据集。信号数据输出层对覆盖多类损耗因素的电磁信号数据集进行结构化数据保存及参数确定，生成结构化的通用电磁信号数据集。本发明节约数据集构建成本，提高电磁信号数据集构建的通用性和可扩展性。

Description

一种覆盖多类损耗因素的通用电磁信号数据集构建方法
技术领域
本发明属于无线通信信号仿真领域，具体是一种覆盖多类损耗因素的通用电磁信号数据集构建方法。
背景技术
近年来，随着计算机和通信领域的不断发展和技术突破，深度学习、强化学习和迁移学习等机器学习方法，在无线通信智能感知领域相对于传统方法表现出了更加优越的性能。数据驱动的人工智能方法促使广大学者不断促进智能感知领域相关研究方向的发展，特别是在信号检测和调制分类方向。
信号检测和调制分类方向的发展正在借助数据驱动的人工智能方法突破传统方法的瓶颈。数据驱动的人工智能方法需要大量电磁信号数据提取显著特征，并从显著特征中学习到内隐知识。随着全球科技成果共享的不断促进，Tim O’Shea等人开源了RadioML2016.10a和RadioML2018.01a及其延伸系列电磁信号数据集。这为智能感知领域推进调制分类方向的发展提供了很大的便利。
但是，由于该开源数据集适用的通信场景有限，近一两年里信号调制分类方向的发展还是停滞不前。所以，电磁信号数据集生成方法成为了当前的研究热点。
目前，电磁信号数据集的主流生成方法有物理环境采集生成法和模拟仿真生成法。物理环境采集生成法利用通用软件无线电外设(Universal Software RadioPeripheral，USRP)进行电磁信号收发生成电磁信号数据集。物理环境采集生成法得到的电磁信号比较真实，但搭建复杂电磁环境成本巨大且难以实现。模拟仿真生成法利用基本无线通信理论构建生成。这种方法构建的电磁信号数据集有着低成本、容易构建的优势。
但是，现有的模拟仿真方法缺乏覆盖真实环境中存在的多类损耗因素。如果从缺乏真实通信环境重要损耗因素的信道模型中构建电磁数据集，数据驱动的人工智能技术将很难从这样的数据集中学习到显著的电磁信号多维特征，更难以泛化性能去应对实际的工程问题。
发明内容
针对上述问题，本发明通过面向对象编程的思想，利用损耗因素叠加的方法，生成了一种覆盖多类损耗因素的通用电磁信号数据集的构建方法。
所述一种覆盖多类损耗因素的通用电磁信号数据集构建方法，具体步骤如下：
步骤一，电磁信号输入层对随机生成的码元信息进行调制，生成多种单载波调制信号，并以射频信号的形式输出；
具体为：
首先，利用伪随机码生成器随机生成包含比特信息的码元，并对码元信息调制生成各种调制信号；
然后，对各调制信号依次进行波形成形和IQ调制上变频，得到多种单载波调制信号，并以射频调制信号的形式输出；
射频调制信号如下所示：
Figure BDA0003224980010000021
其中，real为取复信号的实部，t为时间，I(t)为信号的同相分量，Q(t)为信号的正交分量，j为虚数单位，fc为载波频率，θ0为初始相位，T为信号持续时间。
步骤二，射频调制信号输出后，通过通信系统场景定义层确定通信场景中存在的损耗因素类及其初始参数；
通信损耗因素类包括非线性功率放大失真、相位噪声、时钟偏移、载波频偏/相偏和热噪声、路径损失、多径衰落、多普勒效应和高斯白噪声等。
各损耗因素类的初始参数取值方法如下：
设定各损耗因素类的理论取值范围，并根据实际通信场景选取各损耗因素类的初始参数值。对于确定范围但不确定取值的参数，采用随机变量的分布函数来进行随机取值。
步骤三，利用UML类图设计通信场景中存在的损耗因素类之间的关系；
根据统一建模语言UML类图和面向对象编程思想(Object OrientedProgramming,OOP)构建损耗因素整体框架，利用UML类图确定各损耗因素类(属性)及类之间的关系(接口)；
具体为：
UML类图中包含了各种损耗因素类的属性和计算各损耗因素类的接口设计；根据各损耗因素类的作用关系，确定各损耗因素类之间是否有关联；
各损耗因素类的作用关系包括：多普勒效应类通过聚合的方式伴随多径衰落损耗类作用于调制信号类；载波频偏和载波相偏两种损耗因素类依赖多普勒效应类或者时钟偏移类作用于调制信号类；其他的损耗因素类独立作用于调制信号类。
步骤四，射频调制信号在传输过程中，分别在发射机、接收机和信道中添加各损耗因素类，生成覆盖多类损耗因素的电磁信号；
损耗因素类的添加顺序为：
(a)发射机射频前端产生相位噪声损耗因素类和非线性放大失真损耗因素类；
(b)无线信道环境包含多径衰落、多普勒效应和路径损失损耗因素类；
(c)接收机射频前端产生相位噪声损耗、非线性放大失真损耗、载波频偏/相偏损耗及时钟偏移损耗因素类；
(d)信号在各种环境中均等效存在一个加型高斯白噪声因素类。
最终，生成的覆盖多类损耗因素的电磁信号r(t)为：
r(t)＝s(t)·h(t)+n(t)
其中，h(t)为包含通信系统损耗因素的时变信道冲激响应函数，n(t)为加型高斯白噪声。
步骤五，信号数据输出层对生成的覆盖多类损耗因素的电磁信号进行结构化，并保存为电磁信号数据集。
结构化数据保存具体过程为：
首先，确定信号数据维度，包括信号的宽度、高度和通道数，高度分为实部和虚部；然后，对电磁信号r(t)进行归一化，最后，根据不同应用领域确定电磁信号数据集的数据帧和标签，得到结构化的覆盖多类损耗因素的电磁信号数据集。
信号检测领域中，数据帧为经过损耗因素类影响的间歇性信号，标签为有效信号在间歇性信号的中心位置和信号长度；
信号调制分类领域中，数据帧为经过损耗因素影响的调制信号，标签为信号的调制方式。
多任务学习领域中，数据帧可同时包含间歇性信号数据帧和调制类型信号数据帧；数据标签还包含信噪比和中心频率信号属性。
电磁信号数据集的参数包括：间歇性信号占比、信噪比、调制方式样本数、信噪比样本数和数据集文件格式；
(a)间歇性信号占比取值在最小值(>0)与最大值(<1)之间服从均匀分布。
(b)信噪比取值设定为最小值和最大值之间等间隔取值。
(c)数据集的总样本数：每种调制方式的样本数和每种信噪比的样本数之和。
(d)数据集文件格式选择主流的h5或mat后缀类型，并选择单文件或多文件保存。
本发明的优点在于：
(1)本发明能够根据不同场景定义损耗因素的种类及其参数取值，可构建多种通信场景电磁信号数据集；
(2)本发明采用叠加设计思想覆盖多类损耗因素，可减少电磁信号数据集构建时各种损耗因素之间的耦合性；
(3)本发明无须搭建真实通信系统信道环境，可节约数据集构建成本；
(4)本发明生成的电磁信号数据集确定了多种数据类型和多类标签，为通信领域引入多任务学习和迁移学习提供电磁信号数据集；
(5)本发明采用封装、继承和多态特点的面向对象编程思想进行编程实现，可提高电磁信号数据集构建的通用性和可扩展性。
附图说明
图1是本发明构建电磁信号数据集的总体框架图；
图2是本发明构建覆盖多类损耗因素的通用电磁信号数据集的方法流程图；
图3是本发明中通信系统损耗因素分类图；
图4是本发明通信系统损耗因素出现的阶段示意图；
图5是本发明通信系统电磁信号损耗因素UML类图；
图6是本发明多类调制方式生成的信号时域波形图；
图7是本发明覆盖多类通信系统损耗因素的信号时域波形图。
具体实施方式
下面结合实施步骤和附图，对本发明的内容进行详细说明。
基于电磁信号数据集的现状，本发明采用具有低成本和易构建优势的模拟仿真方法，再通过叠加多类通信系统损耗因素构建和生成多标签通用可扩展的电磁信号数据集。
本发明用于构建电磁信号数据集的整体通信系统框架如图1所示，包括电磁信号输入层、通信系统场景定义层、通信系统损耗定义层和信号数据输出层；
电磁信号输入层产生调制信号，然后将调制信号输出给通信系统场景定义层，确定调制信号的通信场景；在该通信场景中存在的通信系统损耗因素通过通信系统损耗定义层覆盖于调制信号上，得到覆盖多类损耗因素的电磁信号；最后通过信号数据输出层对覆盖多类损耗因素的电磁信号进行结构化数据保存，得到结构化的通用电磁信号数据集。
通过整体通信系统框架构建覆盖多类损耗因素的通用电磁信号数据集的方法，如图2所示，具体步骤如下：
步骤一，电磁信号输入层对码元信息进行调制生成多种单载波调制信号，最终以射频调制信号的形式输出；
具体为：
首先，电磁信号输入层利用伪随机码生成器随机生成包含比特信息的码元，码元信息通过信号调制原理生成各种调制信号；
本发明使用现代通信系统中常用的调制方式，包括M-PSK、M-QAM、M-PAM、GFSK、CPFSK、FM、AM-DSB和AM-SSB等，其中M＝2,4,8,…,2N(N＝1,2,3…)。
然后，对调制信号依次进行波形成形和IQ调制上变频，得到多种单载波调制信号，并以射频调制信号的形式输出，利用天线发射到自由空间中传输；
为了限制信号的有效带宽，通常情况下利用根升余弦滤波器对输入调制信号进行波形成形。
根据现代通信技术原理，数字调制方式的信号以IQ调制的形式传输，提高了频带利用率。
射频调制信号如下所示：
Figure BDA0003224980010000051
其中，real为取复信号的实部，t为时间，I(t)为信号的同相分量，Q(t)为信号的正交分量，j为虚数单位，fc为载波频率，θ0为初始相位，T为信号持续时间。
步骤二，在射频调制信号传输过程中，通过通信系统场景定义层确定通信场景中存在的损耗因素类型及其初始参数；
不同的通信系统场景包含的损耗因素种类不同，并且各种损耗因素的取值也各不一样。
通信系统损耗因素类型包括非线性攻率放大失真、相位噪声、时钟偏移、载波频偏/相偏和热噪声等电子电路引起的损耗因素，路径损失、多径衰落、多普勒效应和高斯白噪声等无线信道产生的损耗因素，分类情况如图3所示。
根据指定通信场景分析其中存在的损耗因素类型，例如某通信场景可能存在路径损失、多径衰落、多普勒效应、噪声、载波频偏/相偏、非线性放大损耗等损耗因素中的几种或全部。
确定各损耗因素类的初始参数取值，具体为：
确定各损耗因素参数类的理论取值范围，各种损耗因素通用的取值一般由理论给出一个合理的范围，再根据特定通信场景选取合适的损耗因素参数值，从而生成特定场景下的损耗因素对象。对于确定范围但不确定取值的参数，采用随机变量的分布函数来进行随机取值。
步骤三，利用UML类图设计并确定损耗因素类之间的关系；
具体为：
本发明根据统一建模语言(Unified Model Language，UML)构建系统框架类图。UML类图是用于描述系统架构中包含的类(属性和接口)及类之间的关系。如图5所示，本发明中利用UML类图对各损耗因素的设计思路如下：
(a)类的属性及接口设计。UML类图中包括路径损失、多径衰落、多普勒效应、时钟偏移、相位噪声、载波频偏/相偏、非线性功率放大失真损耗和高斯白噪声等损耗因素类。UML类图中各个对象类包含了各自的类属性和计算此损耗的接口的设计。
(b)类之间的关系设计。多普勒效应类通过聚合的方式伴随着多径延迟损耗类一起作用于调制信号类。载波频偏和载波相偏两种损耗因素类依赖多普勒效应类作用于调制信号类，也可以通过依赖时钟偏移类作用于调制信号类。其他的损耗因素类之间的耦合性较小，所以这些损耗因素类一般可以认为独立作用于调制信号类，并用依赖关系表示。
对于确定存在关联的损耗因素类，对存在关联的各损耗因素类的参数取值进行重新计算，例如多径衰落损耗的计算需要最大多普勒频移先确定。
步骤四，各损耗因素类的关系及参数确定后，通信系统损耗定义层对射频调制信号按顺序分别在发射机、接收机和信道中添加各损耗因素类，生成覆盖多类损耗因素的电磁信号数据集；
关于各种损耗发生的时机，如图4所示，本发明根据电磁信号在实际通信系统中处理的顺序进行设计和叠加各种损耗因素。具体如下：
(a)发射机射频前端可能先产生相位噪声损耗和非线性放大失真损耗；
(b)无线信道环境可能包含多径衰落、多普勒效应、路径损失等损耗因素；
(c)接收机射频前端也可能会产生相位噪声损耗、非线性放大失真损耗、载波频偏/相偏损耗及时钟偏移损耗；
(d)信号在各种环境中均可等效存在一个加型高斯白噪声。
这种叠加设计思想可以减少信道损耗因素之间的耦合性，同时可以提高电磁信号数据集的通用性和可扩展性。
基于前面的原理和步骤流程，本发明基于面向对象编程思想中封装、继承和多态的特点进行编程和实现，最终叠加各种损耗因素之后，生成了覆盖多类损耗因素的电磁信号样本。生成的覆盖多类损耗因素的电磁信号r(t)为：
r(t)＝s(t)·h(t)+n(t)
其中，h(t)为包含通信系统损耗因素的时变信道冲激响应函数，n(t)为加型高斯白噪声。
步骤五，信号数据输出层对覆盖多类损耗因素的电磁信号数据集进行结构化，并确定各参数取值，保存为通用可扩展电磁信号数据集。
对覆盖多类损耗因素的电磁信号数据集进行结构化数据保存，具体为：
(a)信号数据维度：信号的宽度、高度(实部和虚部)、通道。
(b)信号数据归一化：降低数据因量纲不同导致的影响，加快信号检测或调制分类算法优化过程的收敛速度。
(c)信号多数据帧和多标签：信号检测领域中，数据帧为经过损耗因素影响的间歇性信号，标签为有效信号在间歇性信号的中心位置和信号长度。信号调制分类领域中，数据帧为经过损耗因素影响的调制信号，标签为信号的调制方式。多任务学习领域，数据帧可同时包含间歇性信号数据帧和调制类型信号数据帧。数据标签还包含信噪比和中心频率信号属性，这为电磁信号的属性估计提供了监督学习的标签信息。
(2)数据集参数取值；
(a)间歇性信号：信号占比取值在最小值(>0)与最大值(<1)之间服从均匀分布，例如间歇性信号占比一般可取值为0.3-0.5的均匀分布。
(b)信噪比：每个信号样本信噪比取值设定为最小值和最大值之间等间隔取值，例如信号占比一般可取值为-30dB至+30dB，间隔为2dB。
(c)数据集的总样本数：每种调制方式的样本数和每种信噪比的样本数。
(d)数据集文件格式：数据集文件格式可选择主流的h5或mat后缀类型，并选择单文件或多文件保存。
综上，本发明模拟通信系统信道环境并生成可叠加通信系统损耗因素的多标签通用可扩展电磁信号数据集，为信号检测和调制分类提供监督学习或非监督学习的信号数据样本。
实施例
本实例的相关参数构造出一个空地通信信道环境，发射机在地面，接收机在空中无人机上，并通过非线性功率放大失真、莱斯多径衰落、多普勒效应、路径损失、时钟偏移、载波频偏/相偏、高斯白噪声、相位噪声损耗因素进行构建和生成的电磁信号数据集。具体测试过程及结果如下所述：
第一步，生成多种调制方式的电磁信号；
各种调制方式的电磁信号的参数如表1所示，经过数据信息、信号调制、波形成形和上变频得到各种被调制的IQ时域波形信号，在本实施例中采用了PAM4,BPSK,QPSK,8PSK,16QAM,64QAM,CPFSK,GMSK,AM-SSB-SC,AM-DSB-SC和FM共11种调制方式，生成的经11种调制方式调制后的电磁信号如图6所示。
表1
Figure BDA0003224980010000071
第二步，确定通信系统场景损耗因素的种类及其参数取值；
本实例场景选择本发明中定义的所有通信系统损耗因素种类。损耗因素种类如表2所示：
表2
Figure BDA0003224980010000072
每一种通信系统损耗因素的具体参数取值如下表3-表9所示：
表3路径损失损耗因素参数
Figure BDA0003224980010000081
表4莱斯多径衰落损耗因素参数
Figure BDA0003224980010000082
表5载波频偏和载波相偏损耗因素参数
Figure BDA0003224980010000083
表6非线性功率放大失真损耗因素参数
Figure BDA0003224980010000084
表7高斯白噪声损耗因素参数
Figure BDA0003224980010000085
表8时钟偏移损耗因素参数
Figure BDA0003224980010000086
表9相位噪声损耗因素参数
Figure BDA0003224980010000091
第三步，设计场景中存在的通信系统损耗因素；
本实例涉及的所有通信系统损耗因素的设计思想均采用OOP的思想进行设计，设计方法采用UML类图进行实现。
第四步，生成覆盖多类损耗因素的电磁信号数据集；
通用电磁信号构建和生成系统在选择损耗因素的影响下，最终生成了电磁信号数据。11种电磁信号数据样本在SNR＝0dB的时域IQ波形如图7所示。
第五步，生成结构化的通用电磁信号数据集；
(1)电磁信号数据集的结构化设置如下所示：
(a)信号数据维度设置：信号宽度为1024，高度为2(实部和虚部)，通道为1；
(b)数据帧经过归一化处理；
(c)信号多数据帧和多标签：数据帧种类包含经过损耗因素影响的调制信号和间歇性信号；标签包含信噪比、调制方式和间歇性有效信号区域；
(2)电磁信号数据集参数取值如下所示：
(a)信噪比取值为-30dB至30dB，间隔2dB；
(b)数据量为每种调制方式13000条样本，每种调制方式下的每种信噪比为1000条；
(c)数据集保存为单个h5文件。

Claims (6)

1.一种覆盖多类损耗因素的通用电磁信号数据集构建方法，其特征在于，具体步骤如下：
首先，电磁信号输入层对随机生产的码元信息进行调制，生成多种单载波调制信号，并以射频调制信号的形式输出；同时，确定通信场景中存在的损耗因素类型及其参数；根据射频调制信号的传输过程，分别在发射机、接收机和信道中按顺序添加各种损耗因素，生成覆盖多类损耗因素的电磁信号数据集r(t)：
r(t)＝s(t)·h(t)+n(t)
其中，t为时间，s(t)为射频调制信号，h(t)为包含通信系统损耗因素的时变信道冲激响应函数，n(t)为加型高斯白噪声；
然后，信号数据输出层对覆盖多类损耗因素的电磁信号数据集进行结构化数据保存，并确定各参数取值；
最后，通过电磁信号数据集结构化处理及参数确定，生成结构化的通用电磁信号数据集，为信号检测和调制分类提供监督学习或非监督学习的数据样本。
2.根据权利要求1所述的一种覆盖多类损耗因素的通用电磁信号数据集构建方法，其特征在于，所述的对码元信息进行调制，具体为：
首先，电磁信号输入层利用伪随机码生成器随机生成包含比特信息的码元，码元信息通过信号调制原理生成各种调制信号；
然后，对各调制信号依次进行波形成形和IQ调制上变频，得到多种单载波调制信号，并以射频调制信号的形式输出；
射频调制信号如下所示：
Figure FDA0003224971000000011
其中，real为取复信号的实部，t为时间，I(t)为信号的同相分量，Q(t)为信号的正交分量，j为虚数单位，fc为载波频率，θ0为初始相位，T为信号持续时间。
3.根据权利要求1所述的一种覆盖多类损耗因素的通用电磁信号数据集构建方法，其特征在于，所述的通信系统损耗因素类之间的关系利用UML类图设计并确定，具体为：
首先，通过UML类图确定各个类的属性和各损耗类的接口；
然后，根据各损耗因素类的作用关系，确定存在关联的损耗因素类；
各损耗因素类的作用关系包括：多普勒效应类通过聚合的方式伴随着多径延迟损耗类一起作用于调制信号类；载波频偏和载波相偏两种损耗因素类依赖多普勒效应类或者时钟偏移类作用于调制信号类；其他的损耗因素类独立作用于调制信号类，并用依赖关系表示。
4.根据权利要求1所述的一种覆盖多类损耗因素的通用电磁信号数据集构建方法，其特征在于，所述的损耗因素的叠加顺序具体为：
(a)发射机射频前端产生相位噪声损耗和非线性放大失真损耗；
(b)无线信道环境包含多径衰落、多普勒效应和路径损失损耗因素；
(c)接收机射频前端产生相位噪声损耗、非线性放大失真损耗、载波频偏/相偏损耗及时钟偏移损耗；
(d)信号在各种环境中均等效存在一个加型高斯白噪声。
5.根据权利要求1所述的一种覆盖多类损耗因素的通用电磁信号数据集构建方法，其特征在于，所述的对覆盖多类损耗因素的电磁信号数据集进行结构化数据保存，具体为：
(a)首先，确定信号数据维度；
信号数据维度包括信号的宽度、高度和通道数，高度分为实部和虚部；
(b)然后，在确定了信号数据维度的基础上进行信号数据归一化；
(c)最后，根据应用领域确定数据信号的数据帧和标签，得到结构化的覆盖多类损耗因素的电磁信号数据集。
6.根据权利要求1所述的一种覆盖多类损耗因素的通用电磁信号数据集构建方法，其特征在于，所述的电磁信号数据集的参数包括：间歇性信号占比、信噪比、调制方式样本数、信噪比样本数和数据集文件格式；
(a)间歇性信号占比取值在最小值与最大值之间服从均匀分布；
(b)信噪比取值设定为最小值和最大值之间等间隔取值；
(c)数据集的总样本数：每种调制方式的样本数和每种信噪比的样本数之和；
(d)数据集文件格式选择主流的h5或mat后缀类型，并选择单文件或多文件保存。
CN202110968215.2A 2021-08-23 2021-08-23 一种覆盖多类损耗因素的通用电磁信号数据集构建方法 Active CN113691335B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110968215.2A CN113691335B (zh) 2021-08-23 2021-08-23 一种覆盖多类损耗因素的通用电磁信号数据集构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110968215.2A CN113691335B (zh) 2021-08-23 2021-08-23 一种覆盖多类损耗因素的通用电磁信号数据集构建方法

Publications (2)

Publication Number Publication Date
CN113691335A true CN113691335A (zh) 2021-11-23
CN113691335B CN113691335B (zh) 2022-06-07

Family

ID=78581458

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110968215.2A Active CN113691335B (zh) 2021-08-23 2021-08-23 一种覆盖多类损耗因素的通用电磁信号数据集构建方法

Country Status (1)

Country Link
CN (1) CN113691335B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104243070A (zh) * 2014-09-29 2014-12-24 南京航空航天大学 面向深空通信的无线信道实时模拟器及其模拟方法
CN111291833A (zh) * 2020-03-20 2020-06-16 京东方科技集团股份有限公司 应用于监督学习系统训练的数据增强方法和数据增强装置
CN111598020A (zh) * 2020-05-19 2020-08-28 中国电子科技集团公司第三十六研究所 基于半监督生成对抗网络的电磁信号识别方法
CN112215078A (zh) * 2020-09-14 2021-01-12 浙江工业大学 基于自动编码器的电磁信号调制类型识别的通用对抗扰动生成方法
WO2021076084A1 (en) * 2019-10-16 2021-04-22 Istanbul Medipol Universitesi A system providing prediction of communication channel parameters
CN112929073A (zh) * 2021-01-25 2021-06-08 中国人民解放军国防科技大学 星间链路频谱认知机器学习训练数据集构建方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104243070A (zh) * 2014-09-29 2014-12-24 南京航空航天大学 面向深空通信的无线信道实时模拟器及其模拟方法
WO2021076084A1 (en) * 2019-10-16 2021-04-22 Istanbul Medipol Universitesi A system providing prediction of communication channel parameters
CN111291833A (zh) * 2020-03-20 2020-06-16 京东方科技集团股份有限公司 应用于监督学习系统训练的数据增强方法和数据增强装置
CN111598020A (zh) * 2020-05-19 2020-08-28 中国电子科技集团公司第三十六研究所 基于半监督生成对抗网络的电磁信号识别方法
CN112215078A (zh) * 2020-09-14 2021-01-12 浙江工业大学 基于自动编码器的电磁信号调制类型识别的通用对抗扰动生成方法
CN112929073A (zh) * 2021-01-25 2021-06-08 中国人民解放军国防科技大学 星间链路频谱认知机器学习训练数据集构建方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WENQIAN HUANG等: "Joint Optimization of Altitude and Transmission Direction in UAV-Based Two-Way Communication", 《IEEE WIRELESS COMMUNICATIONS LETTERS》 *
张文秋等: "一种无人机数据链信道选择和功率控制方法", 《北京航空航天大学学报》 *

Also Published As

Publication number Publication date
CN113691335B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
Xie et al. Deep learning in digital modulation recognition using high order cumulants
Qi et al. Automatic modulation classification based on deep residual networks with multimodal information
CN106464618A (zh) 用于覆盖增强的低papr调制
Zhang et al. A data preprocessing method for automatic modulation classification based on CNN
CN101902420B (zh) 符号内连续相位差分相移键控调制与解调方法
CN103685096B (zh) 一种基于最优导频的mimo-ofdm系统信道估计方法
CN110113288A (zh) 一种基于机器学习的ofdm解调器的设计和解调方法
CN103155408A (zh) 高斯频移键控接收器架构和方法
CN113055107B (zh) 一种针对具有未知通信模式电台的干扰策略生成方法
Kim et al. Deep learning-based robust automatic modulation classification for cognitive radio networks
US10686488B2 (en) Method for demodulating a received signal, corresponding computer program and device
Zhang et al. Automatic modulation classification using a deep multi-stream neural network
CN111865383A (zh) 一种空间调制系统中空间星座设计系统
Li et al. IQ symbols processing schemes with LSTMs in OFDM system
Huang et al. Design of noncoherent communications: From statistical method to machine learning
Ke et al. Application of adversarial examples in communication modulation classification
CN109831399A (zh) 一种人工智能辅助的ofdm接收机
CN107181494B (zh) 一种基于神经网络控制发射机工作模式的方法
Hao et al. Automatic modulation classification via meta-learning
CN113691335B (zh) 一种覆盖多类损耗因素的通用电磁信号数据集构建方法
Wu et al. A non-uniform multi-wideband OFDM system for terahertz joint communication and sensing
CN108206799A (zh) 一种用于突发通信的载波频偏估计方法
Chy et al. Comparative performance of BER in the simulation of digital communication systems using raised cosine filter
Wong et al. Deep Learning for Channel Estimation and Signal Detection in OFDM-Based Communication Systems
CN115524668A (zh) 一种基于usrp的二次雷达与dme信号模拟方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant