CN117118797B - 一种基于LoS感知辅助的OFDM系统定时同步方法 - Google Patents

一种基于LoS感知辅助的OFDM系统定时同步方法 Download PDF

Info

Publication number
CN117118797B
CN117118797B CN202311391548.9A CN202311391548A CN117118797B CN 117118797 B CN117118797 B CN 117118797B CN 202311391548 A CN202311391548 A CN 202311391548A CN 117118797 B CN117118797 B CN 117118797B
Authority
CN
China
Prior art keywords
timing synchronization
los
timing
value
neural network
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
CN202311391548.9A
Other languages
English (en)
Other versions
CN117118797A (zh
Inventor
卿朝进
李兆延
杨娜
赵倩
张岷涛
杜鹏飞
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.)
Xihua University
Original Assignee
Xihua 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 Xihua University filed Critical Xihua University
Priority to CN202311391548.9A priority Critical patent/CN117118797B/zh
Publication of CN117118797A publication Critical patent/CN117118797A/zh
Application granted granted Critical
Publication of CN117118797B publication Critical patent/CN117118797B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2647—Arrangements specific to the receiver only
    • H04L27/2655—Synchronisation arrangements
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0254—Channel estimation channel estimation algorithms using neural network algorithms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2647—Arrangements specific to the receiver only
    • H04L27/2655—Synchronisation arrangements
    • H04L27/2668—Details of algorithms
    • 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

Abstract

本发明公开了一种基于LoS感知辅助的OFDM系统定时同步方法，包括：根据LoS感知辅助模块，判断当前接收信号中是否包含LoS路径，并对LoS标志值进行赋值；若接收信号中包含LoS路径，即，则采用“神经网络方法”进行定时同步估计，得到定时同步偏移估计值；若接收信号中不包含LoS路径，即，则采用“非神经网络方法”进行定时同步估计，得到定时同步偏移估计值；根据得到定时同步偏移估计值。本发明的方法不仅能够提高定时同步性能，而且能解决神经网络训练标签难以获得的问题。

Description

一种基于LoS感知辅助的OFDM系统定时同步方法
技术领域
本发明涉及OFDM系统定时同步的技术领域，特别涉及一种基于LoS感知辅助的OFDM系统定时同步方法。
背景技术
OFDM系统由于其良好的对抗多径衰落特性，目前已经被广泛应用于无线通信系统，比如：5G和NB-IoT。在OFDM系统中，定时同步性能将严重影响后续信号处理，甚至会影响整个通信系统的性能。然而，由于无线通信环境中存在多径干扰且信道具有时变特性，利用基于经典同步方法和基于神经网络的同步方法都不可避免地遭受到性能降低和/或训练标签难以获得的问题。
同时，在无线信号传输的过程中，由于多径干扰、信号反射、折射等原因的影响，接收信号中通常包含两种路径：LoS路径和NLoS路径。当发射机和接收机之间没有物理障碍时，接收信号中包含LoS路径，LoS路径的能量通常强于NLoS路径20dB左右。因此，如何利用LoS/NLoS的先验信息去辅助和提高定时同步性能及解决CNN训练标签难以获得的问题亟待解决。
发明内容
本发明的目的旨在提供一种基于LoS感知辅助的OFDM系统定时同步方法。在OFDM系统中，此方法与现有的基于经典相关方法的定时同步方法和基于神经网络的定时同步方法相比，本发明融合了接收信号中LoS/NLoS的先验信息，不仅辅助并提高了定时同步正确性及泛化性，而且通过信号检测方法，解决了在实际通信场景中难以获得CNN训练标签的问题。
一种基于LoS感知辅助的OFDM系统定时同步方法，其步骤包括：
S1根据LoS感知辅助模块，判断当前接收信号中是否包含LoS路径，并根据下式赋值LoS标志值/>：
；
所述LoS感知辅助模块可以根据实际工程需要进行方法选择，方法包括接收信号峰度、莱斯K因子、角度差、根均方时延扩展或者出发/到达的角度分布；
S2 若接收信号中包含LoS路径，则采用CNN进行定时同步估计，得到定时同步偏移估计值/>，执行步骤S4，否则，执行步骤S3；
S3 采用“非神经网络方法”进行定时同步估计，得到定时同步偏移估计值；
所述“非神经网络方法”包括OMP算法、自相关算法和互相关算法；
S4 根据得到定时同步偏移估计/>。
进一步地，所述方法步骤S2所述的定时同步方法进一步包括：
S21 根据接收信号和本地训练序列/>，利用经典互相关同步方法获得定时度量；
S22 将定时度量执行取模操作，得到实值定时度量/>；
S23 将实值定时度量进行归一化，得到归一化实值定时度量/>；
S24 将归一化实值定时度量输入CNN进行定时同步估计，得到定时同步偏移估计值/>；
进一步地，所述方法步骤S24所述的CNN的训练数据集进一步包括：
S241根据接收信号及路径检测方法，接收机端获得定时同步偏移估计值/>；
所述路径检测方法包括瞬时能量检测、相关检测、阈值检测、统计检测和周期检测；
S242 根据及接收信号/>，获得CNN的训练数据/>和训练标签；
其中，和/>分别表示第/>个训练样本中的训练数据和训练标签，/>代表训练数据集的大小；
所述CNN的架构、训练数据集、网络参数优化根据实际工程经验进行。
本发明的有益效果是：与现有的基于经典相关方法的定时同步方法与基于神经网络的定时同步方法相比，本发明得益于LoS感知模块的辅助，不仅提高了定时同步正确性及泛化性能，而且通过信号检测方法，解决了在实际通信场景中难以获得CNN训练标签的问题。
附图说明
图1为一种基于LoS感知辅助的OFDM系统定时同步方法流程图；
图2为LoS支路的处理流程图；
图3为NLoS支路的处理流程图；
具体实施方式
下面结合附图对本发明进行详细的说明。
以“非神经网络方法”为OMP算法为例：
图1为基于LoS感知辅助的OFDM系统定时同步方法流程图。接收信号首先进入感知辅助模块捕获感知信号的存在，对感知信号进行特征提取获得感知信息，并根据下式赋值LoS标志值/>：
。
依据的取值，若接收信号中包含LoS路径，即/>，则进入LoS处理支路，并采用“神经网络方法”进行定时同步估计，得到定时同步偏移估计值/>；若接收信号中不包含LoS路径，即/>，亦即仅包含NLoS路径，则进入NLoS处理支路，并采用OMP算法进行定时同步估计，得到定时同步偏移估计值/>；根据得到定时同步偏移估计/>。
图2为LoS支路处理流程图。若接收信号中包含LoS路径，即，首先，接收信号/>与本地已知训练序列/>执行互相关操作以提取接收信号/>的初始特征，得到定时度量/>。由于神经网络通常处理实数值数据，故将定时度量首先进行取模操作得到实值形式的定时度量/>，然后对其进行归一化得到归一化实值定时度量/>，形成LoS路径中CNN的实值输入。经过LoS支路中CNN的优化处理之后，得到OFDM系统的定时同步偏移估计值。最后，根据/>得到定时同步偏移估计/>。
其中，CNN的网络架构如表1所示，对应的详细描述如下：
(1)该神经网络包含2个卷积神经网络模块和1个全连接神经网络模块。
(2)在两个卷积神经网络模块中，第一个卷积神经网络模块包含4个一维卷积层，其卷积核大小为，填充方式为same填充且步长为1。第二个卷积神经网络模块包含2个一维卷积层，其卷积核大小为/>，填充方式为valid填充且步长亦为1。除此之外，两个卷积神经网络模块的输出都接有1个批量归一化层和1个修正线性单元(ReLU)激活函数。
其中，代表训练序列的长度。
(3)全连接神经网络模块包括含有1个展平层和1个结点数为的输出层，且输出层采用Softmax激活函数进行激活。
其中，代表定时度量/>的长度。
表1CNN的网络架构
图3为NLoS支路处理流程图。当接收信号中不包含LoS路径，即，以OMP算法为例进行非神经网络的定时同步估计，得到定时同步偏移估计值/>。最后，根据得到定时同步偏移估计/>。

Claims (2)

1.一种基于LoS感知辅助的OFDM系统定时同步方法，其特征在于，包括以下步骤：
S1、根据LoS感知辅助模块，判断当前接收信号中是否包含LoS路径，并根据下式赋值LoS标志值/>：
；
S2、若接收信号中包含LoS路径，则采用CNN进行定时同步估计，得到定时同步偏移估计值/>，执行步骤S4，否则，执行步骤S3；
S3、采用“非神经网络方法”进行定时同步估计，得到定时同步偏移估计值；
所述“非神经网络方法”包括OMP算法、自相关算法或互相关算法；
S4、根据得到定时同步偏移估计值/>。
2.根据权利要求1所述的一种基于LoS感知辅助的OFDM系统定时同步方法，其特征在于，步骤S2所述的CNN进行定时同步估计进一步包括：
S21、根据接收信号和本地训练序列/>，利用经典互相关同步方法获得定时度量/>；
S22、将定时度量执行取模操作，得到实值定时度量/>；
S23、将实值定时度量进行归一化，得到归一化实值定时度量/>；
S24、将归一化实值定时度量输入至CNN进行定时同步估计，得到定时同步偏移计值。
CN202311391548.9A 2023-10-25 2023-10-25 一种基于LoS感知辅助的OFDM系统定时同步方法 Active CN117118797B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311391548.9A CN117118797B (zh) 2023-10-25 2023-10-25 一种基于LoS感知辅助的OFDM系统定时同步方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311391548.9A CN117118797B (zh) 2023-10-25 2023-10-25 一种基于LoS感知辅助的OFDM系统定时同步方法

Publications (2)

Publication Number Publication Date
CN117118797A CN117118797A (zh) 2023-11-24
CN117118797B true CN117118797B (zh) 2023-12-19

Family

ID=88806058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311391548.9A Active CN117118797B (zh) 2023-10-25 2023-10-25 一种基于LoS感知辅助的OFDM系统定时同步方法

Country Status (1)

Country Link
CN (1) CN117118797B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103582109A (zh) * 2012-07-23 2014-02-12 京信通信系统（中国）有限公司 一种时间同步方法及装置
CN107563437A (zh) * 2017-08-31 2018-01-09 广州中海达定位技术有限公司 基于随机森林的超宽带非视距鉴别方法
CN110501674A (zh) * 2019-08-20 2019-11-26 长安大学 一种基于半监督学习的声信号非视距识别方法
CN111551180A (zh) * 2020-05-22 2020-08-18 桂林电子科技大学 一种可辨识los/nlos声信号的智能手机室内定位系统和方法
CN113194032A (zh) * 2020-01-29 2021-07-30 诺基亚技术有限公司 路径区分
CN115278584A (zh) * 2022-08-01 2022-11-01 西华大学 基于noma的无人机数据采集系统及其采集方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11350293B2 (en) * 2019-11-26 2022-05-31 Huawei Technologies Co., Ltd. Systems and methods for estimating locations of signal shadowing obstructions and signal reflectors in a wireless communications network

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103582109A (zh) * 2012-07-23 2014-02-12 京信通信系统（中国）有限公司 一种时间同步方法及装置
CN107563437A (zh) * 2017-08-31 2018-01-09 广州中海达定位技术有限公司 基于随机森林的超宽带非视距鉴别方法
CN110501674A (zh) * 2019-08-20 2019-11-26 长安大学 一种基于半监督学习的声信号非视距识别方法
CN113194032A (zh) * 2020-01-29 2021-07-30 诺基亚技术有限公司 路径区分
CN111551180A (zh) * 2020-05-22 2020-08-18 桂林电子科技大学 一种可辨识los/nlos声信号的智能手机室内定位系统和方法
CN115278584A (zh) * 2022-08-01 2022-11-01 西华大学 基于noma的无人机数据采集系统及其采集方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
"5G大规模MIMO下深度学习辅助的多点协作波束成形方法";徐佩钦;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;全文 *
"IEEE 802.16d系统的帧同步和频率同步研究";张凡;;电脑与信息技术(第04期);全文 *
"地空信道下基于OFDM/OQAM系统的时频同步算法";唐亚欣;李燕龙;杨超;王波;;计算机应用(第03期);全文 *
"目标定位中的非视距传播研究综述";胡青松;张赫男;王鹏;杨维;李世银;;工矿自动化(第07期);全文 *
Chanho Yoon,et al.,." Joint Frame/Frequency Synchronization and Channel Estimation for Single-Carrier FDE 60 GHz WPAN system".《2010 7th IEEE Consumer Communications and Networking Conference》.2010,全文. *

Also Published As

Publication number Publication date
CN117118797A (zh) 2023-11-24

Similar Documents

Publication Publication Date Title
CN109922427B (zh) 利用大规模阵列天线的智能无线定位系统和方法
JPH0795107A (ja) 適応型最尤系列推定装置
CN113194548A (zh) 一种智能超表面辅助的大规模无源随机接入方法
CN114124734B (zh) 一种基于GCN-Transformer集成模型的网络流量预测方法
CN117118797B (zh) 一种基于LoS感知辅助的OFDM系统定时同步方法
CN103561469A (zh) 一种室内定位方法及系统
CN114978842A (zh) 一种基于神经网络的二阶段ofdm系统的定时同步方法
Hu et al. Feature fusion convolution-aided transformer for automatic modulation recognition
CN113762529A (zh) 基于统计先验的机器学习定时同步方法
WO2023169589A1 (zh) 一种基于对抗网络与长短期记忆网络的预测信道建模方法
CN117009903A (zh) 一种数据异常检测方法、装置、设备及存储介质
CN110460354A (zh) 一种伪码序列盲估计系统
Xiao et al. Approximate asymptotic distribution of locally most powerful invariant test for independence: Complex case
CN100459446C (zh) 一种多径衰落信道的信道路径估计搜索方法
CN107465472B (zh) 一种基于路径合成的多径时延估计方法
CN115908547A (zh) 一种基于深度学习的无线定位方法
CN115580564A (zh) 一种物联网通信网关动态调用装置
CN113037409B (zh) 基于深度学习的大规模mimo系统信号检测方法
CN113596757A (zh) 一种基于集成宽度学习的快速高精度室内指纹定位方法
CN106534028A (zh) 基于压缩感知的ofdm信道跟踪方法
KR102204320B1 (ko) OvXDM시스템에 적용하는 디코딩 방법, 장치 및 OvXDM시스템
Lee et al. Deep learning‐based scalable and robust channel estimator for wireless cellular networks
CN117295149B (zh) 一种基于低复杂度elm辅助的帧同步方法和系统
CN117692026B (zh) 一种电力线通信的链路感知方法及装置
CN115242282B (zh) 一种基于dmrs信号的5g nr doa估计方法及估计系统

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