CN113824453B - 用于在无线电频率传输中接收数据的设备和方法 - Google Patents

用于在无线电频率传输中接收数据的设备和方法 Download PDF

Info

Publication number
CN113824453B
CN113824453B CN202110680911.3A CN202110680911A CN113824453B CN 113824453 B CN113824453 B CN 113824453B CN 202110680911 A CN202110680911 A CN 202110680911A CN 113824453 B CN113824453 B CN 113824453B
Authority
CN
China
Prior art keywords
radio frequency
frequency signal
signal
type
receiver device
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.)
Active
Application number
CN202110680911.3A
Other languages
English (en)
Other versions
CN113824453A (zh
Inventor
P·达乌特里谢
S·恩格尔斯
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.)
STMicroelectronics France SAS
Original Assignee
STMicroelectronics SA
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
Priority claimed from FR2006434A external-priority patent/FR3111759B1/fr
Application filed by STMicroelectronics SA filed Critical STMicroelectronics SA
Publication of CN113824453A publication Critical patent/CN113824453A/zh
Application granted granted Critical
Publication of CN113824453B publication Critical patent/CN113824453B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/0003—Software-defined radio [SDR] systems, i.e. systems wherein components typically implemented in hardware, e.g. filters or modulators/demodulators, are implented using software, e.g. by involving an AD or DA conversion stage such that at least part of the signal processing is performed in the digital domain
    • H04B1/0007—Software-defined radio [SDR] systems, i.e. systems wherein components typically implemented in hardware, e.g. filters or modulators/demodulators, are implented using software, e.g. by involving an AD or DA conversion stage such that at least part of the signal processing is performed in the digital domain wherein the AD/DA conversion occurs at radiofrequency or intermediate frequency stage
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/02—Transmitters
    • H04B1/04—Circuits
    • H04B1/0475—Circuits with means for limiting noise, interference or distortion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/06—Receivers
    • H04B1/16—Circuits
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/20—Monitoring; Testing of receivers
    • H04B17/21—Monitoring; Testing of receivers for calibration; for correcting measurements

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Electromagnetism (AREA)
  • Circuits Of Receivers In General (AREA)

Abstract

本公开的实施例涉及用于在无线电频率传输中接收数据的设备和方法。根据一个方面，实施例射频接收器设备包括：输入接口，被配置为接收给定类型的射频信号，并且将其转换为电信号；检测器，被配置为检测在电信号中的至少一个电压电平；脉冲发生器，被配置为生成表示所检测到的电压电平的至少一个脉冲串；以及处理单元，被配置为根据至少一个脉冲串来确定射频信号的类型。

Description

用于在无线电频率传输中接收数据的设备和方法
相关申请的交叉引用
本申请要求于2020年6月19日提交的法国专利申请No.2006434的优先权，该申请通过引用并入本文。
技术领域
实现本发明的实施例和方法涉及射频传输，并且具体地涉及软件定义无线电。
背景技术
软件定义无线电(SDR)是主要由软件实现并且在较小程度上由硬件实现的接收器设备或者可选的射频发射器。
具体地，软件定义无线电类型的接收器设备通常包括被配置为接收经调制的射频信号的天线以及用于将所接收的射频信号转换为原始数字信号的射频数字转换器。软件定义无线电类型的接收器设备还可以包括振幅解调器。所得到的经解调的数字信号然后可以通过软件来处理。
这样的处理操作可以使用专用于处理信号的微处理器(诸如DSP(数字信号处理器))、专用集成电路(诸如ASIC(专用集成电路))、可编程电子电路(诸如FPGA(现场可编程门阵列))或者使用计算机处理器来执行。
软件定义无线电具有仅需要对软件进行改变或适配来与不同无线电系统一起工作的优点。例如，软件定义无线电可以被设计为接收Wi-Fi信号、LTE(长期演进)信号和蓝牙信号。
尽管如此，已知的软件定义无线电消耗大量功率。
具体地，软件定义无线电的射频数字转换器需要生成消耗大量功率的采样时钟。
更具体地，必须经常使用高频采样时钟来获得表示原始射频信号的数字信号。
此外，采样需要限制信号的带宽。
此外，即使接收器设备不是该信号的预期接收方，也可以对某些射频信号进行采样来获得随后被解调的数字信号。因此不必要地消耗了用于对射频信号进行采样然后将数字信号解调的功率。
然而，在一些应用中，优选地应尽可能地限制功耗。具体地，软件定义无线电可以被用于物联网，以实现在物体与互联网网络之间的通信。
因此，需要提出用于接收射频信号的方法，方法与已知的接收方法相比降低了功耗。
发明内容
根据一个方面，用于在射频传输中接收数据的实施例方法包括：接收给定类型的射频信号并且将射频信号转换为电信号；至少一次检测电信号中的至少一个电压电平；生成表示每次检测的至少一个脉冲串；以及根据至少一个脉冲串来确定射频信号的类型。
射频信号的类型可以符合标准或协议中任一者。例如，射频信号可以是Wi-Fi或蓝牙或LTE(长期演进)信号。
脉冲串与射频信号相关联。
确定射频信号的类型使得可以确定射频信号是否需要被处理。
因此，通过基于脉冲串的生成来确定射频信号的类型，对于所接收的任何射频信号，不再需要对射频信号进行采样来获得数字信号然后再对数字信号进行解调。
因此，接收方法避免了需要生成采样时钟来确定射频信号的类型。
这样的方法因此降低了为了确定射频信号的类型而消耗的功率。这样的方法通过仅分析少量脉冲而进一步减少了待分析的样本数目。
这样的方法进一步避免了与所接收的射频信号的带宽有关的限制性条件。
优选地，这样的方法可以被用于检测多个射频信号类型。尽管如此，可以提供其中只有一个信号类型可以被确定的接收方法。
在实现本发明的一个有利方法中，射频信号包括表示射频信号类型的报头，生成包括生成与所接收的射频信号的报头相关联的至少一个脉冲串。
在实现本发明的一个有利方法中，确定射频信号的类型包括实现人工神经网络。
优选地，神经网络被预先训练，以从已经分类的脉冲串中识别至少一个射频信号类型。
在实现本发明的一个有利方法中，人工神经网络包括一系列层，一系列层包括：输入层，用于检索所生成的脉冲串；至少一个隐藏卷积和/或传播层，用于生成经校正的脉冲串，经校正的脉冲串包括表示射频信号类型的脉冲；以及输出层，用于传输经校正的脉冲串。
在实现本发明的一个有利方法中，射频信号的类型从经校正的脉冲串中标识。
优选地，检测电信号的至少一个电压电平包括将电信号与至少一个阈值进行比较。
在实现本发明的一个有利方法中，方法包括：一旦信号类型被确定，就根据所确定的射频信号类型来对电子信号进行采样然后处理。
备选地，方法包括根据所确定的射频信号类型，对来自至少一个经校正的脉冲串的射频信号进行解码。
在实现本发明的一个方法中，射频信号选自Wi-Fi信号、蓝牙信号和LTE信号。
根据另一方面，实施例射频接收器设备包括：输入接口，被配置为接收给定类型的射频信号并且将其转换为电信号；检测器，被配置为检测电信号中的至少一个电压电平；脉冲发生器，被配置为生成表示所检测的电压电平的至少一个脉冲串；以及处理单元，被配置为根据至少一个脉冲串来确定射频信号的类型。
输入接口可以包括被配置为接收射频信号并且将其转换为电信号的天线。输入接口还可以包括放大器，特别是低噪声放大器，放大器被配置为将由天线传输的电信号放大。
在一个有利的实施例中，输入接口被配置为接收射频信号，射频信号包括表示射频信号类型的报头。脉冲发生器因此被配置为生成与所接收的射频信号的报头相关联的至少一个脉冲串。
在一个有利的实施例中，处理单元被配置为实现人工神经网络来确定射频信号的类型。
在一个有利的实施例中，人工神经网络包括一系列层，一系列层包括：输入层，用于检索所生成的脉冲串；至少一个隐藏卷积和/或传播层，用于生成经校正的脉冲串，经校正的脉冲串包括表示射频信号类型的脉冲；以及输出层，用于传输经校正的脉冲串。
在一个有利的实施例中，接收器设备包括解码器，解码器被配置为从经校正的脉冲串的脉冲中标识射频信号的类型。
处理单元可以被配置为实现该解码器。
在一个有利的实施例中，检测器包括至少一个比较器，至少一个比较器被配置为通过将电信号与至少一个阈值进行比较来检测电信号的至少一个电压电平。
脉冲发生器因此在输入处接收来自比较器的输出信号，并且在来自比较器的输出信号指示射频信号的电压电平大于至少一个阈值时生成脉冲。
在一个有利的实施例中，接收器设备还包括信号处理器，信号处理器被配置为：一旦射频信号的类型被确定，特别是如果所确定的射频信号类型是可以由信号处理器处理的类型，该信号处理器就根据所确定的信号类型来对电信号进行采样和随后处理。
采样可以使用由接收器设备的时钟发生器产生的采样时钟来执行。时钟发生器可以被关断，直到信号类型被确定为止，以降低接收器设备的功耗。
比较器、脉冲发生器和处理单元因此被用作无线电唤醒系统(本领域技术人员更熟悉地称为“唤醒无线电”)，以指示预期类型(即，可以由信号处理器处理的类型)的无线电频率信号已被接收。
接收器设备因此被配置为关断时钟发生器，直到预期类型的射频信号被接收为止。
备选地，接收器设备可以包括解码器，解码器被配置为根据所确定的射频信号的类型对来自至少一个经校正的脉冲串的射频信号进行解码。
接收器设备因此被配置为基于至少一个所生成的脉冲串，从射频信号中提取所有有用信息。
在一个实施例中，射频信号选自Wi-Fi信号、蓝牙信号和LTE信号。
根据另一方面，本发明提出了包括诸如上文所述的接收器设备的物体。
这样的物体具体地可以被用于物联网。具体地，这样的物体因此被配置为例如经由互联网而从远程服务器或设施接收数据。具体地，这样的物体使得可以经由射频信号接收数据的同时消耗很少的功率。
附图说明
通过检查实现本发明的非限制性实施例和方法的详细描述并且根据附图，本发明的其他优点和特征将变得显而易见，其中：
图1图示了可以用作软件定义无线电的接收器设备；
图2图示了脉冲发生设备；
图3图示了校正脉冲串的神经网络；
图4图示了一个实施例的接收方法；
图5图示了另一实施例的接收器设备；
图6图示了另一实施例的接收方法；以及
图7图示了包括接收器设备的实施例物体。
具体实施方式
图1示出了根据本发明的一个实施例的接收器设备DIS1，其可以用作软件定义无线电。
接收器设备DIS1包括天线ANT，天线ANT被配置为接收射频信号并且将该信号转换为电信号SE。
射频信号是给定类型的。射频信号的类型可以符合标准或协议。例如，射频信号可以是WiFi或蓝牙或LTE(长期演进)信号。
射频信号是给定类型的并且携带表示射频信号类型的报头。射频信号还携带有用信息，即，由接收器设备可以使用的数据。
射频信号的类型和射频信号的有用信息以符号的形式表示。
所接收的射频信号可以包括在射频信号的传输期间引入的噪声和错误。
接收器设备还包括连接到天线的宽带低噪声放大器AMP。放大器AMP被配置为在输入处接收由天线ANT生成的电信号SE，以及将该电信号SE放大。所产生的经放大的信号SA从放大器AMP输出。
接收器设备包括在图2中更详细地示出的脉冲发生设备IGD。
脉冲发生设备IGD包括与放大器AMP的输出连接的多个比较器CP0、CP1、CP2、CP3。每个比较器CP0、CP1、CP2、CP3在输入处分别接收经放大的信号SA和比较信号SCO、SC1、SC2、SC3，比较信号各自限定了阈值电压。每个比较器CP0、CP1、CP2、CP3因此与给定阈值电压相关联。
比较器CP0、CP1、CP2、CP3因此被配置为检测阈值电压何时被超过。这些超过分别由信号SD0、SD1、SD2和SD3在比较器CP0、CP1、CP2和CP3的输出处发出信号。
具体地，脉冲发生设备IGD优选地包括第一比较器CP0，第一比较器CP0被用于检测0伏的阈值电压何时被超过。
脉冲发生设备IGD还包括一系列比较器CP1、CP2、CP3，以检测其他阈值电压何时已被超过。在所示实施例中，脉冲发生设备IGD包括三个比较器。尽管如此，不同数目的比较器可以根据期望的检测分辨率来提供。
脉冲发生设备IGD还包括时间数字转换器TDC。优选地，时间数字转换器TDC在输入处接收来自比较器CP0的输出。因此，时间数字转换器TDC被配置为测量在两个检测序列之间的时间，其中当在大于符号的传输时间的时间内没有检测到超过时，检测序列结束。
脉冲发生设备IGD还包括脉冲发生器IG。脉冲发生器IG包括被配置为从比较器CP1、CP2、CP3接收检测信号的多个输入。
脉冲发生器IG还被配置为一旦电压阈值被比较器CP1、CP2、CP3检测为已被超过，就输出脉冲。因此，脉冲发生器包括多个输出O1、O2、O3，每个输出O1、O2、O3与分别连接到比较器CP1、CP2、CP3的检测相关联。
当在接收射频信号期间由多个比较器CP1、CP2和CP3检测到多个电压阈值超过时，脉冲发生器IG因此可以生成多个脉冲串TI1、TI2、TI3。
这些脉冲串TI1、TI2、TI3中的一些脉冲可以表示在所接收的射频信号中包括的符号。
其他脉冲可以由所接收的射频信号中包括的噪声或者由在其传输期间引入到射频信号中的错误而产生。
脉冲发生器IG可以具体地由在其输入中的一个输入上具有延迟的AND型逻辑门而形成。
接收器设备DIS1还包括被配置为实现人工神经网络NN的处理单元UT。
处理单元UT可以是例如微处理器。
人工神经网络NN作为计算机程序而被存储在处理单元的存储器中。
神经网络NN在输入处接收由脉冲发生器IG生成的脉冲串TI1、TI2和TI3。
具体地，人工神经网络被预先被训练来识别脉冲串中表示其接收的符号的脉冲，以便生成经校正的脉冲串，在经校正的脉冲串中，由噪声或传输错误引起的脉冲被消除。
经校正的脉冲串的脉冲因此表示射频信号中包含的符号。
具体地，所表示的神经网络允许生成经校正的脉冲串TICl、TIC2和TIC3。
神经网络因此输出经校正的脉冲串TICl、TIC2和TIC3。
具体地，神经网络NN包括一系列神经元层。
每个层在输入处接收施加了权重的数据，并且在由该层的神经元激活函数处理之后输出输出数据。该输出数据被传输到神经网络中的下一层。
权重是可以被配置为获得良好输出数据的神经元的数据、更具体地是参数。
具体通过使用来自参考数据库的已经分类的脉冲串作为输入数据来执行神经网络，权重在通常是受监督学习阶段的学习阶段期间被调整。
例如，如图3所示，作为例示，第一层CI是输入层，其包括接收脉冲串TIl的神经元I1、接收脉冲串TI2的神经元I2和接收脉冲串TI3的神经元I3。
最后一层CO是输出层，其包括传输经校正的脉冲串TIC1的神经元O1、传输经校正的脉冲串TIC2的神经元I2和传输经校正的脉冲串TIC3的神经元I3。
神经网络NN还包括在输入层CI与输出层CO之间的一个或多个隐藏层CH。在图3中，仅示出了一个隐藏层CH。该层CH包括神经元H1、H2和H3，神经元H1、H2和H3在输入处接收来自输入层CI的神经元I1、I2和I3的输出。输出层CO的神经元O1、O2、O3因此在输入端接收来自这些神经元H1、H2和H3的输出。
隐藏层可以是卷积层和/或传播层。这些层被配置为标识在所生成的脉冲串中表示符号的脉冲。
由时间数字转换器在比较器CP0的两个检测序列之间测量的时间被用于限定脉冲串将要由神经网络NN分析的时间窗。
接收器设备DIS1包括可以由处理单元UT实现的解码器DEC。
解码器DEC被配置为在其接收的经校正的脉冲串中标识符号。
具体地，解码器DEC被配置为基于所标识的符号来识别在信号的报头中包括的射频信号类型。
解码器DEC还被配置为根据所标识的射频信号类型，将由神经网络NN传输的经校正的脉冲串TICl、TIC2、TIC3中所标识的符号转译为二进制数据流DAT，二进制数据流DAT表示在射频信号中包含的信息。
接收器设备DISl因此被配置为实现如图4所示的接收方法。
接收方法包括接收步骤40，在接收步骤40中，天线ANT接收射频信号并且将其转换为电信号SE。
接收方法然后包括放大步骤41，在放大步骤41中，放大器AMP将由天线ANT产生的电信号SE放大。所获得的经放大的信号SA然后被传输到比较器CP0、CP1、CP2和CP3。
因此，方法包括检测超过的步骤42，其中比较器CP0、CP1、CP2和CP3将经放大的信号与不同的阈值电压进行比较。当经放大的信号超过阈值电压时，与该阈值电压相关联的比较器CP0、CP1、CP2和CP3发射检测信号。
方法还包括通过脉冲发生器IG的方式来生成脉冲串的步骤43。每个脉冲表示检测到阈值电压被超过。
脉冲发生器IG因此允许将超过阈值电压的每次检测转译为脉冲。
方法然后包括生成经校正的脉冲串TICl、TIC2、TIC3的步骤44。
在该步骤中，处理单元以这样的方式执行神经网络NN，使得经校正的脉冲串TIC1、TIC2、TIC3根据所生成的脉冲串TI1、TI2、TI3而生成。
经校正的脉冲串TICl、TIC2和TIC3然后被传输到解码器。
方法然后包括由解码器DEC实现的解码步骤45。在该解码步骤中，解码器DEC首先在经校正的脉冲串TIC1、TIC2和TIC3中标识符号。
解码器DEC然后基于源自射频信号的报头的经标识的符号来确定射频信号的类型。
解码器DEC然后根据所确定的射频信号类型，将与有用信息相关联的经标识符号转译为表示射频信号的有用信息的二进制数据流DAT。
确定射频信号的类型具体地使得可以确定射频信号是否必须被处理。
因此，基于检测到电压电平超过而生成脉冲串允许在无需对射频信号进行采样的情况下，从射频信号中提取有用信息。
这样的方法因此使得可以减少为了从射频信号中提取有用信息而消耗的功率。
这样的方法通过仅分析少量脉冲而进一步减少了待分析的样本数目。这样的方法进一步避免了与所接收的射频信号的带宽有关的限制条件。
图5示出了根据本发明的另一实施例的接收器设备DIS2，接收器设备DIS2也可以被用作软件定义无线电。
在该情况下，接收器设备DIS2还包括如上所述的天线ANT、低噪声放大器AMP、脉冲发生设备IGD和处理单元UT。
在图5中的接收器设备与在图1中的接收器设备的不同之处在于处理单元UT未被用于基于经校正的脉冲串来对射频信号的有用信息进行解码。
具体地，使用信号处理器MT从射频信号中提取有用信息。
信号处理器包括高频模数转换器CAD，高频模数转换器CAD被配置为对由放大器AMP传输的经放大的电信号SA进行采样。具体地，信号处理器包括时钟发生器CG，时钟发生器CG被配置为使得其可以生成采样时钟。采样时钟被用于针对由模数转换器执行的采样计时。
信号处理器MT还包括振幅解调器IQD，具体是本领域技术人员公知的、特别是在软件定义无线电中使用的正交振幅解调器。
信号处理器MT被配置为从给定类型的射频信号中提取有用信息。
脉冲发生设备IGD和处理单元UT被用于确定射频信号的类型，并且然后如果信号的类型是信号处理器MT所配置的类型，则对信号处理器MT进行致动。
具体地，如针对图1中的接收器设备所描述的，处理单元UT被配置为实现神经网络NN，以便从由脉冲发生设备生成的脉冲串中生成经校正的脉冲串。
此外，解码器DEC被配置为基于经校正的脉冲串，从信号的报头中标识表示射频信号的预期类型的符号，预期类型是可以由信号处理器MT处理的类型。
解码器DEC因此被配置为在它已标识出表示预期类型的符号时，激活信号处理器MT。
脉冲发生设备IGD和处理单元UT因此可以被用作无线电唤醒系统，来指示预期类型的射频信号已被接收。
因此，在图5中的接收器设备DIS2被用于实现图6所示的接收方法。
在这样的方法开始时，时钟发生器CG被去激活并且因此不消耗功率。
接收方法包括接收步骤60，在接收步骤60中，天线ANT接收射频信号并且将其转换为电信号。
接收方法然后包括放大步骤61，在放大步骤中，放大器AMP将由天线产生的电信号SE放大。所获得的经放大的信号SA然后被传输到脉冲发生设备IGD的比较器。
因此，方法包括检测超过的步骤62，其中比较器将经放大的信号与不同的阈值电压进行比较。当经放大的信号超过阈值电压时，比较器发射检测信号。
方法还包括通过脉冲发生设备IGD的脉冲发生器来生成脉冲串的步骤63。每个脉冲表示检测到阈值电压被超过。
脉冲发生器因此允许将超过阈值电压的每次检测转译为脉冲。
方法然后包括从由脉冲发生器生成的每个脉冲串中确定射频信号的类型的步骤64。
方法然后包括生成经校正的脉冲串TICl、TIC2、TIC3的步骤44。
在该步骤中，处理单元在这样的方式中执行神经网络NN，使得根据所生成的脉冲串TI1、TI2、TI3来生成经校正的脉冲串TICl、TIC2、TIC3。
经校正的脉冲串TICl、TIC2和TIC3然后被传输到解码器。
方法然后包括由解码器DEC实现的解码步骤45。在该解码步骤中，解码器DEC标识经校正的脉冲串中的脉冲是否对应于表示射频信号的预期类型的符号。
如果解码器DEC从经校正的脉冲串中标识表示预期类型的符号，则处理单元UT向处理器MT发射激活信号SAC。具体地，激活信号允许时钟发生器CG被激活。
一旦时钟发生器被激活，方法包括对来自由模数转换器ADC接收的射频信号的经放大的电信号SA进行采样的步骤65。该采样产生表示射频信号的数字信号SB。
方法然后包括步骤66：通过振幅解调器IQD的方式来对数字信号SB进行解调，以便能够提取由射频信号携带的有用信息。
一旦有用信息被提取，时钟发生器CG就被去激活来降低接收器设备的功耗。
图7示出了包括接收器设备DIS的物体OBJ，接收器设备DIS可以选自图1所示的接收器设备DISl以及图5所示的接收器设备DIS2。
这样的物体OBJ可以被具体地用于物联网。具体地，这样的物体因此被配置为例如经由互联网而从远程服务器或设施接收数据。这样的物体OBJ使得可以经由射频信号接收数据，同时消耗很少功率。

Claims (20)

1.一种用于在射频传输中接收数据的方法，所述方法包括：
接收给定类型的射频信号；
将所述射频信号转换为电信号；
至少一次检测在所述电信号中的至少一个电压电平；
生成表示每次检测的至少一个脉冲串；以及
根据所述至少一个脉冲串来确定所述射频信号的类型。
2.根据权利要求1所述的方法，其中所述射频信号包括表示所述射频信号的类型的报头，并且所述生成包括生成与所接收到的所述射频信号的所述报头相关联的至少一个脉冲串。
3.根据权利要求1的方法，其中确定所述射频信号的类型包括实现人工神经网络。
4.根据权利要求3的方法，其中所述人工神经网络包括一系列层，所述一系列层包括：
输入层，用于检索所生成的脉冲串；
至少一个隐藏卷积层和/或传播层，用于生成经校正的脉冲串，所述经校正的脉冲串包括表示所述射频信号的所述类型的脉冲；以及
输出层，用于传输所述经校正的脉冲串。
5.根据权利要求4所述的方法，其中所述射频信号的性质基于所述经校正的脉冲串而被标识。
6.根据权利要求1所述的方法，其中检测所述电信号的所述至少一个电压电平包括将所述电信号与至少一个阈值进行比较。
7.根据权利要求1所述的方法，还包括在确定所述射频信号的类型之后，根据所确定的所述射频信号的类型来对所述电信号进行采样和随后处理。
8.根据权利要求4所述的方法，还包括根据所确定的所述射频信号的类型，根据所述经校正的脉冲串来对所述射频信号进行解码。
9.根据权利要求1所述的方法，其中所述射频信号选自Wi-Fi信号、蓝牙信号或长期演进(LTE)信号。
10.一种射频接收器设备，包括：
输入接口，被配置为：
接收给定类型的射频信号；以及
将所述射频信号转换为电信号；
检测器，被配置为检测在所述电信号中的至少一个电压电平；
脉冲发生器，被配置为生成表示所检测到的电压电平的至少一个脉冲串；以及
处理单元，被配置为根据所述至少一个脉冲串来确定所述射频信号的类型。
11.根据权利要求10所述的接收器设备，其中所述输入接口被配置为接收所述射频信号，所述射频信号包括表示所述射频信号的类型的报头，所述脉冲发生器被配置为生成与所接收到的所述射频信号的所述报头相关联的至少一个脉冲串。
12.根据权利要求10所述的接收器设备，其中所述处理单元被配置为实现人工神经网络(NN)来确定所述射频信号的类型。
13.根据权利要求12所述的接收器设备，其中所述人工神经网络包括一系列层，所述一系列层包括：输入层，用于检索所生成的脉冲串；至少一个隐藏卷积层和/或传播层，用于生成经校正的脉冲串，所述经校正的脉冲串包括表示所述射频信号的类型的脉冲；以及输出层，用于传输所述经校正的脉冲串。
14.根据权利要求13所述的接收器设备，还包括解码器，所述解码器被配置为根据所述经校正的脉冲串的所述脉冲来标识所述射频信号的类型。
15.根据权利要求10所述的接收器设备，其中所述检测器包括至少一个比较器，所述至少一个比较器被配置为通过将所述电信号与至少一个阈值进行比较来检测所述电信号的所述至少一个电压电平。
16.根据权利要求10所述的接收器设备，还包括信号处理器，所述信号处理器被配置为在确定所述射频信号的性质之后，根据所确定的所述射频信号的类型来对所述电信号进行采样和随后处理。
17.根据权利要求14所述的接收器设备，其中所述解码器被配置为根据所确定的所述射频信号的类型，根据所述经校正的脉冲串对所述射频信号进行解码。
18.根据权利要求10所述的接收器设备，其中所述射频信号选自Wi-Fi信号、蓝牙信号和LTE信号。
19.一种物体，包括：
射频接收器设备，包括：
输入接口，被配置为：
接收给定类型的射频信号；以及
将所述射频信号转换为电信号；
检测器，被配置为检测在所述电信号中的至少一个电压电平；
脉冲发生器，被配置为生成表示所检测到的电压电平的至少一个脉冲串；以及
处理单元，被配置为根据所述至少一个脉冲串来确定所述射频信号的类型。
20.根据权利要求19所述的物体，其中所述物体被耦合到互联网，并且所述物体被配置为经由所述射频信号而从远程服务器或设施接收数据。
CN202110680911.3A 2020-06-19 2021-06-18 用于在无线电频率传输中接收数据的设备和方法 Active CN113824453B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
FR2006434A FR3111759B1 (fr) 2020-06-19 2020-06-19 Procédé de réception de données dans une transmission radiofréquence
FR2006434 2020-06-19
US17/328,612 2021-05-24
US17/328,612 US11374597B2 (en) 2020-06-19 2021-05-24 Device and method for receiving data in a radio frequency transmission

Publications (2)

Publication Number Publication Date
CN113824453A CN113824453A (zh) 2021-12-21
CN113824453B true CN113824453B (zh) 2022-09-09

Family

ID=78923826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110680911.3A Active CN113824453B (zh) 2020-06-19 2021-06-18 用于在无线电频率传输中接收数据的设备和方法

Country Status (2)

Country Link
US (1) US11616516B2 (zh)
CN (1) CN113824453B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5909675A (en) * 1994-10-17 1999-06-01 Alcatel Mobile Communication France Device for recognizing information conveyed by a received signal
CA2435796A1 (fr) * 2001-11-27 2003-06-05 Thales Procede de detection et de traitement de signaux pulses dans un signal radioelectrique
CN1953357A (zh) * 2005-10-21 2007-04-25 三星电机株式会社 用于细感测模块的系统、方法及装置
CN101052979A (zh) * 2004-03-17 2007-10-10 佳能株式会社 并行脉冲信号处理设备、模式识别设备和图像输入设备
CN205750775U (zh) * 2015-06-30 2016-11-30 意法半导体国际有限公司 源同步数据传送装置与系统
WO2018136785A1 (en) * 2017-01-23 2018-07-26 DGS Global Systems, Inc. Systems, methods, and devices for automatic signal detection with temporal feature extraction within a spectrum
US10217346B1 (en) * 2017-11-07 2019-02-26 Amazon Technologies, Inc. Presence detection with neural networks
CN110166154A (zh) * 2019-06-13 2019-08-23 桂林电子科技大学 一种基于神经网络的软件无线电频谱监测识别的方法
CN110611627A (zh) * 2018-06-15 2019-12-24 维沃移动通信有限公司 一种信号检测方法和接收端
CN110826425A (zh) * 2019-10-21 2020-02-21 大连理工大学 一种基于深度神经网络的vhf/uhf频段无线电信号调制方式识别方法
WO2020104036A1 (en) * 2018-11-22 2020-05-28 Nokia Technologies Oy Learning in communication systems

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7668262B2 (en) 2005-10-21 2010-02-23 Samsung Electro-Mechanics Systems, methods, and apparatuses for coarse spectrum-sensing modules
FR2980874B1 (fr) 2011-09-30 2018-06-08 Proton World International N.V. Configuration du type de modulation d'un routeur de communication en champ proche
KR101313051B1 (ko) 2012-03-23 2013-09-30 국방과학연구소 펄스반복주기 변조 형태 인식 방법 및 이를 적용한 인식 장치
US10944440B2 (en) * 2018-04-11 2021-03-09 Booz Allen Hamilton Inc. System and method of processing a radio frequency signal with a neural network
CN110390253A (zh) 2019-05-17 2019-10-29 天津大学 基于多种分形谱特征提取的通信信号调制方式识别方法
CN113114599B (zh) 2021-03-12 2022-01-11 电子科技大学 基于轻量级神经网络的调制识别方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5909675A (en) * 1994-10-17 1999-06-01 Alcatel Mobile Communication France Device for recognizing information conveyed by a received signal
CA2435796A1 (fr) * 2001-11-27 2003-06-05 Thales Procede de detection et de traitement de signaux pulses dans un signal radioelectrique
CN101052979A (zh) * 2004-03-17 2007-10-10 佳能株式会社 并行脉冲信号处理设备、模式识别设备和图像输入设备
CN1953357A (zh) * 2005-10-21 2007-04-25 三星电机株式会社 用于细感测模块的系统、方法及装置
CN205750775U (zh) * 2015-06-30 2016-11-30 意法半导体国际有限公司 源同步数据传送装置与系统
WO2018136785A1 (en) * 2017-01-23 2018-07-26 DGS Global Systems, Inc. Systems, methods, and devices for automatic signal detection with temporal feature extraction within a spectrum
US10217346B1 (en) * 2017-11-07 2019-02-26 Amazon Technologies, Inc. Presence detection with neural networks
CN110611627A (zh) * 2018-06-15 2019-12-24 维沃移动通信有限公司 一种信号检测方法和接收端
WO2020104036A1 (en) * 2018-11-22 2020-05-28 Nokia Technologies Oy Learning in communication systems
CN110166154A (zh) * 2019-06-13 2019-08-23 桂林电子科技大学 一种基于神经网络的软件无线电频谱监测识别的方法
CN110826425A (zh) * 2019-10-21 2020-02-21 大连理工大学 一种基于深度神经网络的vhf/uhf频段无线电信号调制方式识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于局部二值模式特征的新型干扰识别算法;杨兴宇等;《计算机工程》;20180715(第07期);全文 *

Also Published As

Publication number Publication date
US20220286149A1 (en) 2022-09-08
US11616516B2 (en) 2023-03-28
CN113824453A (zh) 2021-12-21

Similar Documents

Publication Publication Date Title
US11374597B2 (en) Device and method for receiving data in a radio frequency transmission
JPH06318879A (ja) ディジタル通信装置
CN112003803A (zh) 一种vhf、uhf频段航空电台信号的侦收设备
CN113824453B (zh) 用于在无线电频率传输中接收数据的设备和方法
US8015316B2 (en) Method and system for detecting messages in the presence of noise
US8102905B2 (en) Pulse detection in wireless communications system
CN114584227B (zh) 自动化突发信号检测方法
CN100588188C (zh) 用于识别信号边沿的方法和装置
KR101755240B1 (ko) 압축 센싱 기반의 신호 검출 장치 및 그 방법
CN115065973A (zh) 一种基于卷积神经网络的卫星测控地面站身份识别方法
EP3188398A1 (en) Communication device and method for signal determination in radio communication
JP4655766B2 (ja) 信号検出方法及び信号検出装置
RU2811645C1 (ru) Способ передачи и приема данных через воздушный зазор на основе индуктивно связанных контуров, возбуждаемых короткими прямоугольными импульсами, и устройство для его осуществления
EP4227691A1 (en) Method of classifying a radio frequency signal
CN117834054A (zh) 一种信号机器学习中的数据增强方法、装置及设备
US9602384B2 (en) Semiconductor integrated circuit and test method thereof
CN107437978B (zh) 数据处理方法及接收机
RU2340910C2 (ru) Способ многоканального распознавания радиосигналов и устройство для его реализации
JPH01223376A (ja) レーダー信号処理装置
JP2012173106A (ja) 受信装置
KR20210151255A (ko) 통신 채널 잡음 및 간섭을 디지털로 특성화하기 위한 장치 및 방법
SU803119A1 (ru) Устройство дл приема двоичныхСигНАлОВ
JP2007010365A (ja) トランスポンダ送信信号２値化処理装置及びトランスポンダ送信信号２値化処理方法
JPH04287423A (ja) データ復調回路
JP2005331397A (ja) レーダー装置

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: Montrouge, France

Patentee after: STMicroelectronics France

Country or region after: France

Address before: France

Patentee before: STMicroelectronics S.A.

Country or region before: France