CN117527143A - 信号调制和信号解调方法、设备及存储介质 - Google Patents
信号调制和信号解调方法、设备及存储介质 Download PDFInfo
- Publication number
- CN117527143A CN117527143A CN202311348214.3A CN202311348214A CN117527143A CN 117527143 A CN117527143 A CN 117527143A CN 202311348214 A CN202311348214 A CN 202311348214A CN 117527143 A CN117527143 A CN 117527143A
- Authority
- CN
- China
- Prior art keywords
- signal
- semantic
- semantic feature
- bit sequence
- feature vector
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 239000013598 vector Substances 0.000 claims abstract description 97
- 230000006854 communication Effects 0.000 claims abstract description 38
- 238000004891 communication Methods 0.000 claims abstract description 33
- 238000013139 quantization Methods 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 abstract description 19
- 230000008054 signal transmission Effects 0.000 abstract description 11
- 239000000284 extract Substances 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 230000006855 networking Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000007906 compression Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013144 data compression Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0041—Arrangements at the transmitter end
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0045—Arrangements at the receiver end
Abstract
本发明公开了一种信号调制和信号解调方法、设备及存储介质，涉及通信领域，所述方法包括：信号发送端对信源数据进行语义特征提取，获得语义特征向量，对语义特征向量进行量化，获得比特序列，根据预分配的特征域对比特序列进行调制，获得调制信号，通过干扰信道将调制信号发送至信号接收端，以使信号接收端对调制信号进行解调；信号接收端根据预分配的特征域对接收到的调制信号进行解调，获得比特序列，对比特序列进行去量化，获得语义特征向量，对语义特征向量进行特征译码，获得目标语义信息，从而有效地解决了通信过程中信号容易被干扰和伪造，导致信号传输安全性差和传输效率低的问题，大幅提升了通信安全性和通信传输效率。
Description
技术领域
本发明涉及通信技术领域，尤其涉及一种信号调制和信号解调方法、设备及存储介质。
背景技术
在通信领域中，通信的安全性是一个重要的问题，目前在通信过程中，信号传输可能存在干扰和伪造，导致信号传输安全性差和传输效率低的问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种信号调制和信号解调方法、设备及存储介质，旨在解决现有技术在信号传输过程中容易被干扰和伪造，导致传输安全性差和传输效率低的技术问题。
为实现上述目的，本发明提供了一种信号调制方法，所述信号调制方法应用于信号发送端，所述方法包括以下步骤：
对信源数据进行语义特征提取，获得语义特征向量；
对所述语义特征向量进行量化，获得比特序列；
根据预分配的特征域对所述比特序列进行调制，获得调制信号；
通过干扰信道将所述调制信号发送至信号接收端，以使所述信号接收端对所述调制信号进行解调。
可选地，所述对所述语义特征向量进行量化，获得比特序列，包括：
确定码本中误差满足预设条件的目标码本；
判断所述目标码本的误差是否小于预设误差阈值；
若所述目标码本的误差未小于所述预设误差阈值，则对所述语义特征向量量化，获得比特序列。
可选地，
可选地，所述判断所述目标码本的误差是否小于预设误差阈值之后，还包括：
若所述目标码本的误差小于所述预设误差阈值，则对所述语义特征向量进行码本量化，获得码本索引值；
对所述码本索引值进行比特编码，获得比特序列。
可选地，所述根据预分配的特征域对所述比特序列进行调制，获得调制信号，包括：
将所述比特序列映射至预设坐标系，获得至少一个映射组；
基于所述映射组将所述比特序列转换为调制符号；
根据预分配的特征域对所述调制符号进行调制，获得调制信号。
可选地，所述对信源数据进行语义特征提取，获得语义特征向量，包括：
将特征域分离为多个语义特征子空间；
对所述多个语义特征子空间进行语义特征提取，获得语义特征向量。
此外，为实现上述目的，本发明还提出一种信号解调方法，所述信号解调应用于信号接收端，所述信号解调方法包括：
根据预分配的特征域对接收到的调制信号进行解调，获得比特序列；
对所述比特序列进行去量化，获得语义特征向量；
对所述语义特征向量进行特征译码，获得目标语义信息。
可选地，所述对所述比特序列进行去量化，获得语义特征向量，包括：
将所述比特序列转化为码本索引值；
将所述码本索引值进行去量化，获得语义特征向量。
此外，为实现上述目的，本发明还提出一种通信设备，所述通信设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的信号调制和/或信号解调程序，所述信号调制和/或信号解调程序配置为实现如上文所述的信号调制和/或信号解调方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有信号调制和/或信号解调程序，所述信号调制和/或信号解调程序被处理器执行时实现如上文所述的信号调制和/或信号解调方法的步骤。
本发明通过信号发送端对信源数据进行语义特征提取，获得语义特征向量，对语义特征向量进行量化，获得比特序列，根据预分配的特征域对比特序列进行调制，获得调制信号，通过干扰信道将调制信号发送至信号接收端，以使信号接收端对调制信号进行解调；信号接收端根据预分配的特征域对接收到的调制信号进行解调，获得比特序列，对比特序列进行去量化，获得语义特征向量，对语义特征向量进行特征译码，获得目标语义信息，从而有效地解决了通信过程中信号容易被干扰和伪造，导致信号传输安全性差和传输效率低的问题，大幅提升了通信安全性和通信传输效率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的通信设备的结构示意图；
图2为本发明信号调制方法第一实施例的流程示意图；
图3为本发明信号调制方法第一实施例的多用户信息特征域分离示意图；
图4为本发明信号调制方法第一实施例的信号收发示意图；
图5为本发明信号调制方法第二实施例的流程示意图；
图6为本发明信号调制方法第三实施例的流程示意图；
图7为本发明一种信号解调方法第一实施例的流程示意图；
图8为本发明一种信号解调方法第一实施例的语义编码网络示意图；
图9为本发明一种信号解调方法第一实施例的语义译码网络示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的通信设备结构示意图。
如图1所示，该通信设备可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对通信设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及信号调制和/或信号解调程序。
在图1所示的通信设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明通信设备中的处理器1001、存储器1005可以设置在通信设备中，所述通信设备通过处理器1001调用存储器1005中存储的信号调制和/或信号解调程序，并执行本发明实施例提供的信号调制和/或信号解调方法。
本发明实施例提供了一种信号调制方法，参照图2，图2为本发明一种信号调制方法第一实施例的流程示意图。
本实施例中，所述信号调制方法应用于信号发送端，所述信号调制方法包括以下步骤：
步骤S10：对信源数据进行语义特征提取，获得语义特征向量。
应当理解的是，本实施例方法的执行主体可以是具有数据处理、网络通信以及程序运行功能的通信设备，例如计算机等，或者是其他能够实现相同或相似功能的装置或设备，此处以上述信号发送端为例进行说明。
需要说明的是，本实施例通过对信源数据进行可解释性解耦编码提取语义特征，将其编码为特征向量/>参照如下公式1，其中，/>表示第i个可解释解耦语义编码器，/>表示可解释解耦语义编码器的可训练参数。
进一步地，为了有效地提取语义特征，上述步骤S10，可包括：
将特征域分离为多个语义特征子空间；
对所述多个语义特征子空间进行语义特征提取，获得语义特征向量。
在具体实现中，假设有N个发送用户和M个接收用户，一个发送用户要对每个接收用户发送M个信源数据。M个信源数据隐含的语义信息为
可以理解的是，参照图3，图3为多用户信息特征域分离示意图，本实施例利用深度学习对信源数据的语义进行特征表征/>并结合CSI/>进行多用户联合信源-信道编码获得/>将特征域分离为多个分离语义特征子空间/>实现多用户语义信息在分离特征子空间编码传输xi,j∈Ti,j，且/>从而实现多用户干扰特征多址接入，多用户语义干扰特征多址接入模型训练。用户根据分配的特征域接入网络，联合训练各自相应抗干扰信道编译码模型。LIB作为loss函数，参照如下公式2，其中λ>0是可调节的重量因子。
步骤S20：对所述语义特征向量进行量化，获得比特序列。
需要说明的是，比特序列可以是发送比特流，本实施例通过将语义特征向量进行量化，将需要传输的语义信息转换为二进制，获得比特流。比特流是由一系列0和1组成的数字序列，每个比特代表着一个二进制位。
可以理解的是，本实施例可通过对语义特征向量进行码本量化，也可以是对语义特征向量进行直接量化。当输入特征向量时，先进行码本量化，在码本中找到内积最大也是误差最小的码本，设定一个误差门限，如果误差小于门限，则输出码本索引。若误差大于门限，则对该特征向量直接量化。同时重建特征向量送入码本并对其更新以建立可学习码本。
应当理解的是，特征向量各维度间的相关性很低，码本量化有效地应用了特征向量中的各分量间的各种相互关联的性质，因此具有高压缩性。而直接量化精简。采用两种量化方式可以最大程度地减小失真率，高效地将特征向量量化为比特流。
需要说明的是，语义特征向量通常包含大量的维度和连续值，在传输和存储过程中会产生较大的开销。通过向量量化，可以将高维连续向量映射到低维离散码字集合中，从而实现对数据的压缩。这可以节省带宽和存储空间，并提高系统的效率和性能。通过将向量量化为离散码字，原始数据的细节和具体值得以隐藏。这有助于保护数据的隐私性，防止未经授权的访问者获取原始数据的敏感信息。
步骤S30：根据预分配的特征域对所述比特序列进行调制，获得调制信号。
需要说明的是，经过码本量化后的语义特征向量变为了码本的索引值，其取值为某个整数。然后对每个索引值进行比特编码，由此得到发送比特流。而直接量化后的特征向量直接变为发送比特流。通过对发送比特流进行调制，获得调制信号。
步骤S40：通过干扰信道将所述调制信号发送至信号接收端，以使所述信号接收端对所述调制信号进行解调。
需要说明的是，本实施例提出一种隐协议组网机制，信号发送端利用信源-内容-信宿调制到合一波形传输，信号接收端实现人工智能译码获得信源和信宿，并解调相应的内容，实现隐协议组网。隐协议组网其信号在时、频、空、特征域(信号传输新维度)并行传输，并在特征域区分用户。基于AI的信源-内容-信宿联合特征编/译码，实现“人与人”之间智能快捷组网通信。
应当理解的是，参照图4，图4为信号收发示意图，信号发送端基于特征知识库对信源数据进行语义特征提取，根据波形库实现信源-内容-信宿合一波形调制，将调制后获得的调制信号通过物理信道发送至信号接收端；信号接收端通过高速高精采样，根据波形库进行波形重构计算，基于特征知识库进行特征信息重构，获得目标语义，实现信源-内容-信宿合一波形解调。
本实施例通过信号发送端对信源数据进行语义特征提取，获得语义特征向量，对语义特征向量进行量化，获得比特序列，根据预分配的特征域对比特序列进行调制，获得调制信号，通过干扰信道将调制信号发送至信号接收端，以使信号接收端对调制信号进行解调，从而有效地解决了通信过程中信号容易被干扰和伪造，导致信号传输安全性差和传输效率低的问题，大幅提升了通信安全性和通信传输效率。
参考图5，图5为本发明一种信号调制方法第二实施例的流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S20，包括：
步骤S21：确定码本中误差满足预设条件的目标码本；
步骤S22：判断所述目标码本的误差是否小于预设误差阈值；
步骤S23：若所述目标码本的误差未小于所述预设误差阈值，则对所述语义特征向量量化，获得比特序列。
需要说明的是，语义特征向量通常包含大量的维度和连续值，在传输和存储过程中会产生较大的开销。通过向量量化，可以将高维连续向量映射到低维离散码字集合中，从而实现对数据的压缩。这可以节省带宽和存储空间，并提高系统的效率和性能。通过将向量量化为离散码字，原始数据的细节和具体值得以隐藏。这有助于保护数据的隐私性，防止未经授权的访问者获取原始数据的敏感信息。
可以理解的是，本实施例可通过对语义特征向量进行码本量化，也可以是对语义特征向量进行直接量化。若误差大于门限，则对该特征向量直接量化。同时重建特征向量送入码本并对其更新以建立可学习码本。
应当理解的是，特征向量各维度间的相关性很低，码本量化有效地应用了特征向量中的各分量间的各种相互关联的性质，因此具有高压缩性。而直接量化精简。采用两种量化方式可以最大程度地减小失真率，高效地将特征向量量化为比特流。
进一步地，为了提升压缩效率，上述步骤S22之后，还包括：
若所述目标码本的误差小于所述预设误差阈值，则对所述语义特征向量进行码本量化，获得码本索引值；
对所述码本索引值进行比特编码，获得比特序列。
需要说明的是，在某些场景下，对于高维连续向量的处理可能会导致复杂的计算和运算成本。通过向量量化，可以将原始向量转换为离散的符号表示，从而简化计算，并降低计算复杂度。这对于实时应用或资源受限的环境非常重要。
应当理解的是，本实施例通过将连续的语义特征向量映射到一个预定义的码本中。码本是由一组离散的码字构成的集合，每个码字代表一个聚类中心或代表性样本。在码本量化中，通过计算输入向量与码本中码字之间的距离，并选择最匹配的码字作为量化后的表示。因此，码本量化将语义特征向量转换为离散的码字，实现了对向量的压缩和离散化。
可以理解的是，当输入语义特征向量时，先进行码本量化，在码本中找到内积最大也是误差最小的码本，设定一个误差门限，如果误差小于门限，则输出码本索引值。经过码本量化后的特征向量变为了码本的索引值，其取值为某个整数。然后对每个索引值使用bit编码，由此得到发送比特流。
本实施例通过确定码本中误差满足预设条件的目标码本，判断所述目标码本的误差是否小于预设误差阈值，若所述目标码本的误差未小于所述预设误差阈值，则对所述语义特征向量量化，获得比特序列，从而有效地降低了语义特征向量的维度，大幅提升了压缩率和精简率，最大程度地减小失真率，高效地将特征向量量化为比特流。
参考图6，图6为本发明一种信号调制方法第三实施例的流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S30，包括：
步骤S301：将所述比特序列映射至预设坐标系，获得至少一个映射组；
步骤S302：基于所述映射组将所述比特序列转换为调制符号；
步骤S303：根据预分配的特征域对所述调制符号进行调制，获得调制信号。
需要说明的是，预设坐标系可以是星座图，映射组可以是比特序列中每一位与预设坐标系上对应的点位组成的映射关系组。
可以理解的是，本实施例首先，将需要传输的信息转换成二进制形式，得到一个比特流，通过M-PSK调制方式进行调制，在M-PSK调制中，每个离散的相位状态对应于星座图中的一个点。星座图是一个二维坐标系，其中的点代表着不同的相位状态。比如，对于4-PSK，可以用一个正方形的星座图来表示，每个顶点代表着一个相位状态；对于8-PSK，星座图则可以是一个八边形，根据比特流的每一位，通过映射表或者映射算法，将连续的比特序列转换为对应于星座图中的一个点的调制符号。
在具体实现中，发射机将调制信号经过干扰信道发送给N个用户，并将通过干扰信道的调制符号进行M-PSK调制得到受损向量如下公式3。
其中，h(.)表示调制，d(.)表示解调，gii,i∈{1,..,N}是发送用户i到接收用户i的信道增益，gij,i,j∈{1,..,N}是发送用户j到接收用户i的信道增益。ni表示信道噪声，加性信道噪声从零均值高斯分布中采样，以为噪声方差，即
本实施例通过将所述比特序列映射至预设坐标系，获得至少一个映射组，基于所述映射组将所述比特序列转换为调制符号，根据预分配的特征域对所述调制符号进行调制，获得调制信号，从而有效地提升了抗噪声性能，并且降低了调制和解调的复杂度，提升了信号传输效率。
参考图7，图7为本发明一种信号解调方法第一实施例的流程示意图。
在本实施例中，所述信号解调方法应用于信号接收端，所述信号解调方法包括：
步骤S50：根据预分配的特征域对接收到的调制信号进行解调，获得比特序列；
步骤S60：对所述比特序列进行去量化，获得语义特征向量；
步骤S70：对所述语义特征向量进行特征译码，获得目标语义信息。
应当理解的是，本实施例方法的执行主体可以是具有数据处理、网络通信以及程序运行功能的通信设备，例如计算机等，或者是其他能够实现相同或相似功能的装置或设备，此处以上述信号接收端为例进行说明。
需要说明的是，本实施例提出一种隐协议组网机制，信号发送端利用信源-内容-信宿调制到合一波形传输，信号接收端实现人工智能译码获得信源和信宿，并解调相应的内容，实现隐协议组网。隐协议组网其信号在时、频、空、特征域(信号传输新维度)并行传输，并在特征域区分用户。基于AI的信源-内容-信宿联合特征编/译码，实现“人与人”之间智能快捷组网通信。
应当理解的是，信号发送端基于特征知识库对信源数据进行语义特征提取，根据波形库实现信源-内容-信宿合一波形调制，将调制后获得的调制信号通过物理信道发送至信号接收端；信号接收端通过高速高精采样，根据波形库进行波形重构计算，基于特征知识库进行特征信息重构，获得目标语义，实现信源-内容-信宿合一波形解调。
可以理解的是，本实施例通过对接收到的调制信号进行向量去量化，先将受损向量(比特流)转换为特征向量，采用直接量化时，则直接将比特流去量化为特征向量然后进行语义特征恢复，将特征向量/>输入语义译码器，进行语义的恢复，从而获得估计语义/>参考如下公式4，其中/>表示第i个语义译码器，θi表示语义译码器的可训练参数，参照图8和图9，图8为语义编码网络示意图，图9为语义译码网络示意图，如图9语义译码网络，对用户i的接收信号yi上采样，即进行特征通道数减半的反卷积运算。每上采样一次，就和图8语义编码网络对应的通道数相同尺度进行融合。这样就可以得到原始信源数据的估计语义。
进一步地，为了提升语义恢复效率，上述步骤S60，可包括：
将所述比特序列转化为码本索引值；
将所述码本索引值进行去量化，获得语义特征向量。
需要说明的是，采用码本量化时，需要先将受损向量(比特流)转化为一个整数即得到码本索引，然后使用码本索引在码本中查找对应的码本基向量，构成特征向量采用直接量化时，则直接将比特流去量化为特征向量/>
本实施例通过信号接收端根据预分配的特征域对接收到的调制信号进行解调，获得比特序列，对比特序列进行去量化，获得语义特征向量，对语义特征向量进行特征译码，获得目标语义信息，从而有效地解决了通信过程中信号容易被干扰和伪造，导致信号传输安全性差和传输效率低的问题，大幅提升了通信安全性和通信传输效率。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有信号调制和/或信号解调程序，所述信号调制和/或信号解调程序被处理器执行时实现如上文所述的信号调制和/或信号解调方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的信号调制和/或信号解调方法，此处不再赘述。
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种信号调制方法，其特征在于，所述信号调制方法应用于信号发送端，所述信号调制方法包括：
对信源数据进行语义特征提取，获得语义特征向量；
对所述语义特征向量进行量化，获得比特序列；
根据预分配的特征域对所述比特序列进行调制，获得调制信号；
通过干扰信道将所述调制信号发送至信号接收端，以使所述信号接收端对所述调制信号进行解调。
2.如权利要求1所述的信号调制方法，其特征在于，所述对所述语义特征向量进行量化，获得比特序列，包括：
确定码本中误差满足预设条件的目标码本；
判断所述目标码本的误差是否小于预设误差阈值；
若所述目标码本的误差未小于所述预设误差阈值，则对所述语义特征向量量化，获得比特序列。
3.如权利要求2所述的信号调制方法，其特征在于，所述判断所述目标码本的误差是否小于预设误差阈值之后，还包括：
若所述目标码本的误差小于所述预设误差阈值，则对所述语义特征向量进行码本量化，获得码本索引值；
对所述码本索引值进行比特编码，获得比特序列。
4.如权利要求1所述的信号调制方法，其特征在于，所述根据预分配的特征域对所述比特序列进行调制，获得调制信号，包括：
将所述比特序列映射至预设坐标系，获得至少一个映射组；
基于所述映射组将所述比特序列转换为调制符号；
根据预分配的特征域对所述调制符号进行调制，获得调制信号。
5.如权利要求1所述的信号调制方法，其特征在于，所述对信源数据进行语义特征提取，获得语义特征向量，包括：
将特征域分离为多个语义特征子空间；
对所述多个语义特征子空间进行语义特征提取，获得语义特征向量。
6.一种信号解调方法，其特征在于，所述信号解调应用于信号接收端，所述信号解调方法包括：
根据预分配的特征域对接收到的调制信号进行解调，获得比特序列；
对所述比特序列进行去量化，获得语义特征向量；
对所述语义特征向量进行特征译码，获得目标语义信息。
7.如权利要求6所述的信号解调方法，其特征在于，所述对所述比特序列进行去量化，获得语义特征向量，包括：
将所述比特序列转化为码本索引值；
将所述码本索引值进行去量化，获得语义特征向量。
8.如权利要求6所述的信号解调方法，其特征在于，所述对所述语义特征向量进行特征译码，获得目标语义信息，包括：
获取所述预分配的特征域对应的译码模型；
将所述语义特征向量输入至所述译码模型进行特征译码，获得目标语义信息。
9.一种通信设备，其特征在于，所述通信设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的信号调制和/或信号解调程序，所述信号调制和/或信号解调程序配置为实现如权利要求1至8中任一项所述的信号调制和/或信号解调方法。
10.一种存储介质，其特征在于，所述存储介质上存储有信号调制和/或信号解调程序，所述信号调制和/或信号解调程序被处理器执行时实现如权利要求1至8任一项所述的信号调制和/或信号解调方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311348214.3A CN117527143A (zh) | 2023-10-16 | 2023-10-16 | 信号调制和信号解调方法、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311348214.3A CN117527143A (zh) | 2023-10-16 | 2023-10-16 | 信号调制和信号解调方法、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117527143A true CN117527143A (zh) | 2024-02-06 |
Family
ID=89761545
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311348214.3A Pending CN117527143A (zh) | 2023-10-16 | 2023-10-16 | 信号调制和信号解调方法、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117527143A (zh) |
-
2023
- 2023-10-16 CN CN202311348214.3A patent/CN117527143A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hu et al. | Robust semantic communications with masked VQ-VAE enabled codebook | |
| US8385547B2 (en) | Method and apparatus for secure digital communications using chaotic signals | |
| Roh et al. | Efficient feedback methods for MIMO channels based on parameterization | |
| Shi et al. | Task-oriented communications for 6G: Vision, principles, and technologies | |
| CN112464837B (zh) | 基于小数据样本的浅海水声通信信号调制识别方法及系统 | |
| CN102592591B (zh) | 双带语音编码 | |
| CN106059970B (zh) | 基于容量最大化的稀疏编码多址接入码本设计方法 | |
| US20110044324A1 (en) | Method and Apparatus for Voice Communication Based on Instant Messaging System | |
| CN115146125B (zh) | 语义通信多址接入场景下的接收端数据过滤方法及装置 | |
| CN106982086B (zh) | 一种基于收发天线选择的空间调制方法 | |
| CN110650134B (zh) | 一种信号处理方法、装置、电子设备以及存储介质 | |
| Zhang et al. | A unified multi-task semantic communication system with domain adaptation | |
| CN105281843A (zh) | 二维码信息的发送、接收方法及发送、接收装置 | |
| CN111028825A (zh) | 基于离线语音识别与合成的水声数字语音通信装置及方法 | |
| CN109474367A (zh) | 基于全双工接收机的低时延隐蔽通信实现方法 | |
| Kazemi et al. | Capacity bounds and detection schemes for data over voice | |
| Djebbar et al. | Lightweight noise resilient steganography scheme for Internet of Things | |
| KR970707528A (ko) | 비대칭 음성 압축 프로세스를 이용한 초저속 비트율 음성 메시지 전달 시스템(Very Low Bit Rate Voice Messaging System Using Asymmetric Voice Compression Processing) | |
| CN117527143A (zh) | 信号调制和信号解调方法、设备及存储介质 | |
| CN116320538A (zh) | 变电站巡检图像的语义通信传输方法及系统 | |
| Huang et al. | Prior-based privacy-assured compressed sensing scheme in cloud | |
| KR20140088219A (ko) | 신호들에 대한 조합 코딩을 위한 장치 및 방법 | |
| CN108989816A (zh) | 一种基于小波变换的编码信道信息隐藏方法 | |
| CN112911597B (zh) | 基于射频信号精细画像的物联网物理层多级特征提取方法 | |
| Zhao et al. | End-to-End auto-encoder system for deep residual shrinkage network for AWGN channels |
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 |