通信电子信号抗干扰优化方法、系统及装置与流程

1.本发明涉及数据通信技术领域 ，尤其涉及通信电子信号抗干扰优化方法、系统及装置。


背景技术：

2.现有技术中常用的抗干扰或降低干扰的技术包括：基于ism频段自动路由快速组网办法来降低干扰；采用在对干扰定位的情况下，选择其他的载波进行承载以达到减少干扰的办法；采用降低设备接收无线信号灵敏度的方式来降低设备间的干扰。但以上的办法均具有一定的局限性，不能很好的保障信号的传输。无线通信由于其通信的极大便利而被广泛使用。蜂窝组网由于覆盖好，组网成本合理，其频谱资源利用率高，成为无线通信的主要组网方式。在蜂窝组网中，基站是小区的中心，需要与小区内的所有终端进行通信。由于基站与各终端之间的距离不同，各终端的调制方式不同，基站接收信号的强度也不同，因此基站应具有较宽的接收动态范围。现有技术如公告号为us3984774a的美国发明申请，公开了一种抗干扰的双向通信站，包括辐射能发射器和接收器、连接到所述发射器的信号源、具有连接到所述信号源的一个输入端、连接到所述接收器的另一个输入端和输出端的信号减法器、用于选择性地将所述发射器连接到所述接收器和所述信号源的输出端的装置，所述装置用于与基本上相同类型的另一站建立用于无噪声发射和接收的简并反馈环路。然而，其环路仅能在一定条件下达到去除噪声的目的。


技术实现要素：

3.本发明的目的在于针对现有技术提供一种滤波效果好、节省算力、架构简单的通信电子信号抗干扰优化方法、系统及装置。
4.通信电子信号抗干扰优化方法，信号的传输过程中，在传输的期望信号中叠加校准信号，并且馈送反相叠加校准信号；将接收站的含噪信号输入计算机装置；计算机装置通过机器学习对含噪信号进行计算机去噪。在接收站通过信道馈送反相叠加校准信号，以抵消引入信道中的校准信号，使含噪信号的噪声的边缘特征改善，从而提高含噪信号输入计算机后的机器学习效果、节省算力。
5.为了进一步优化本技术方案，采取的措施还包括：信号的传输过程包括，在通信站产生期望信号； 从通信站向发送站发送期望信号；通过通信信道从发送站向接收站发送期望信号并加入叠加校准信号；在接收站接收期望信号和叠加校准信号；从接收站向通信站发送期望信号和叠加校准信号； 在通信信道上接收期望信号和叠加校准信号； 在通信站产生的期望信号中减去接收的期望信号和叠加的校准信号，使得期望信号相互抵消并留下反相的叠加校准信号； 以及将反相叠加校准信号与在通信站产生的期望信号一起发送到发送站。从通信信道接收期望信号、叠加校准信号和噪声； 从未通过通信信道发送的信号中减去接收信号和噪声，由此信号相互抵消，留下噪声的反相形式； 以及通过通信信道与信号一起发送反相形式的噪声，由此减小了当信
号通过通信信道发送时施加在信号上的噪声的影响。
6.发送站向接收站传送的校准信号与接收站向通讯站发送的馈送反相叠加校准信号的相位延迟时间等于180
°
；此时，本技术方案采用的是sin或cos信号波形。
7.发送站向接收站传送的校准信号与接收站向通讯站发送的馈送反相叠加校准信号的相位沿着水平轴恰好对称。此时，本技术方案采用的是方波信号波形。
8.计算机去噪包括如下步骤：输入含噪信号y，计算含噪信号y的噪声方差；将含噪信号y进行信号学习，并将信号学习的模型用于对含噪信号y的滤波，获得去噪信号。通过学习模型： ，首先选取相似含噪信号信息块构建信号块组/或图/或矩阵（元素以信号强度表示）。随后，将组内各信号块在同一位置上的元素进行抽取并组成超像素（元素或向量），并输入学习环节学习超像素（元素或向量）间的图拓扑结构。最后，使用信号特征向量基矩阵进行信号滤波以获得最终的重构信号块。在此，使用超像素有两个优点。第一，基于其构建同时有效利用了信号块间和信号元素或向量间的相关信息；第二，信号块大小一般可以固定为8
×
8，意味着利用超像素作图时，图上节点数仅为64个，较节省算力。
9.设置校准信号的方法包括：选择性地设置本地振荡器信号的功率。对功率的调节以适配距离、电磁环境等综合因素，避免校准信号过强或过弱，使其无参考意义的情况出现。
10.接收站配置有接收信号强度判定器，用于测量收到的发送站信号的功率。接收信号强度判定器可以确定功率是否超过阈值功率，根据传输的电磁环境，当功率超过阈值，可以通过发送控制信号设置本地振荡器的功率，以避免校准信号的功率将期望信号覆盖并超出滤波范围。
11.本发明还公开了一种通信电子信号抗干扰优化装置，其包括一个或多个处理器；存储器；以及一个或多个计算机程序，其中一个或多个计算机程序被存储在存储器中，一个或多个计算机程序包括指令，当指令被装置执行时，使得装置执行上述通信电子信号抗干扰优化方法。
12.通信电子信号抗干扰优化系统，其包括上述通信电子信号抗干扰优化装置，和通信站、发送站、接收站。
13.计算机存储介质，其特征是：计算机存储介质存储一个或多个计算机程序，当指令被执行时，能执行上述通信电子信号抗干扰优化方法。
14.本发明由于采用了信号的传输过程中，在传输的期望信号中叠加校准信号，并且馈送反相叠加校准信号；将接收站的含噪信号输入计算机装置；计算机装置通过机器学习对含噪信号进行计算机去噪。在接收站通过信道馈送反相叠加校准信号，以抵消引入信道中的校准信号，使含噪信号的噪声的边缘特征改善，从而提高含噪信号输入计算机后的机器学习效果。因而，本发明具有滤波效果好、节省算力、架构简单的优点。
附图说明
15.图1为本发明实施例方法步骤示意图；图2为本发明实施例装置连接示意图；图3为本发明实施例计算机去噪算法示意图。
具体实施方式
16.以下结合附实施例对本发明作进一步详细描述。
17.实施例：通信电子信号抗干扰优化方法，信号的传输过程中，在传输的期望信号中叠加校准信号，并且馈送反相叠加校准信号；将接收站的含噪信号输入计算机装置；计算机装置通过机器学习对含噪信号进行计算机去噪。在接收站通过信道馈送反相叠加校准信号，以抵消引入信道中的校准信号，使含噪信号的噪声的边缘特征改善，从而提高含噪信号输入计算机后的机器学习效果、节省算力。
18.为了进一步优化本技术方案，采取的措施还包括：信号的传输过程包括，在通信站产生期望信号； 从通信站向发送站发送期望信号；通过通信信道从发送站向接收站发送期望信号并加入叠加校准信号；在接收站接收期望信号和叠加校准信号；从接收站向通信站发送期望信号和叠加校准信号； 在通信信道上接收期望信号和叠加校准信号； 在通信站产生的期望信号中减去接收的期望信号和叠加的校准信号，使得期望信号相互抵消并留下反相的叠加校准信号； 以及将反相叠加校准信号与在通信站产生的期望信号一起发送到发送站。从通信信道接收期望信号、叠加校准信号和噪声； 从未通过通信信道发送的信号中减去接收信号和噪声，由此信号相互抵消，留下噪声的反相形式； 以及通过通信信道与信号一起发送反相形式的噪声，由此减小了当信号通过通信信道发送时施加在信号上的噪声的影响，且能根据反馈找出传输信号的延时等错误。
19.发送站向接收站传送的校准信号与接收站向通讯站发送的馈送反相叠加校准信号的相位延迟时间等于180
°
。此时，本技术方案采用的是sin或cos信号波形。
20.发送站向接收站传送的校准信号与接收站向通讯站发送的馈送反相叠加校准信号的相位沿着水平轴恰好对称。此时，本技术方案采用的是方波信号波形。
21.计算机去噪包括如下步骤：输入含噪信号y，计算含噪信号y的噪声方差；将含噪信号y进行信号学习，并将信号学习的模型用于对含噪信号y的滤波，获得去噪信号。通过学习模型： ，首先选取相似含噪信号信息块构建信号块组/或图/或矩阵（元素以信号强度表示）。随后，将组内各信号块在同一位置上的元素进行抽取并组成超像素（元素或向量），并输入学习环节学习超像素（元素或向量）间的图拓扑结构。最后，使用信号特征向量基矩阵进行信号滤波以获得最终的重构信号块。在此，使用超像素有两个优点。第一，基于其构建同时有效利用了信号块间和信号元素或向量间的相关信息；第二，信号块大小一般可以固定为8
×
8，意味着利用超像素作图时，图上节点数仅为64个，较节省算力。
22.设置校准信号的方法包括：选择性地设置本地振荡器信号的功率。对功率的调节以适配距离、电磁环境等综合因素，避免校准信号过强或过弱，使其无参考意义的情况出现。
23.接收站配置有接收信号强度判定器，用于测量收到的发送站信号的功率。接收信号强度判定器可以确定功率是否超过阈值功率，根据传输的电磁环境，当功率超过阈值，可以通过发送控制信号设置本地振荡器的功率，以避免校准信号的功率将期望信号覆盖并超出滤波范围。
24.本发明还公开了一种通信电子信号抗干扰优化装置，其包括一个或多个处理器；存储器；以及一个或多个计算机程序，其中一个或多个计算机程序被存储在存储器中，一个或多个计算机程序包括指令，当指令被装置执行时，使得装置执行上述通信电子信号抗干扰优化方法。
25.通信电子信号抗干扰优化系统，其包括上述通信电子信号抗干扰优化装置，和通信站、发送站、接收站。
26.计算机存储介质，其特征是：计算机存储介质存储一个或多个计算机程序，当指令被执行时，能执行上述通信电子信号抗干扰优化方法。
27.计算机去噪算法的伪代码如下：输入：含噪声信号y，噪声方差输出：去噪后的信号初始化噪声的信号fork=1tok生成中间信号for所有信号块所有信号块中寻找相似信号块构成信号块矩阵由式（1）构建基于超像素的信号邻接矩阵构建图l阵获得信号特征向量基矩阵由式（2）估计的噪声标准差由式（3）计算收缩系数由式（4）获得去噪声信号块矩阵end由所有合成去噪信号end上述伪代码中构建信号邻接矩阵采用如下学习模型：其中z为由超像素两两间的欧氏距离矩阵，α和δ为加权系数，符号
°
代表元素间点乘操作。其最优解可通过迭代获得，优化过程可参照现有经典方法，dongx,etal.learninglaplacianmatrixinsmoothgraphsignalrepresentations[j].ieeetransactionsonsignalprocessing,2016，在此不做赘述。
[0028]
噪声标准差采用一般常规方式估计：噪声标准差采用一般常规方式估计：为含噪声信号y按照中相同块索引构成的块矩阵，为含噪信号矩阵的方
差。
[0029]
收缩系数表示为：上式中， 为信号块矩阵y的行投影在基上的能量，开方后带入上式。加权系数。
[0030]
去噪声信号块矩阵的获得方法如下：所用信号特征向量基矩阵 对应的图l阵为利用信号块间关系构成，并视各图像块为图拓扑结构中的节点。去噪时，对图像块矩阵y 进行乘运算， 为转置。 收缩系数矩阵，为本领域经典，获得方法不在此展开。
[0031]
尽管已结合优选的实施例描述了本发明，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围的情况下，能够对在这里列出的主题实施各种改变、同等物的置换和修改，因此本发明的保护范围当视所提出的权利要求限定的范围为准。