基于数据类型识别的调频信号时频同步系统及方法

技术特征：
1.基于数据类型识别的调频信号时频同步系统，其特征在于：包括信号采集模块、深度学习网络模块和信号处理模块，信号采集模块由三部分组成，分别为模数转换部分、下变频部分和下采样部分，模数转换部分采样气象探测仪发射的调频信号，得到数字频带信号，下变频部分将数字频带信号搬移到基带，得到数字基带信号，下采样模块对数字基带信号进行过采样，最终得到过采样倍数合适的基带iq信号；深度学习网络模块由两部分组成，分别为特征提取模块和神经网络模块，特征提取模块用于将每组基带iq信号分别进行时域、频域与时频域转换，得到每组基带iq信号三组特征图，一组基带iq信号指积累一段时间的基带iq信号，每组基带iq信号包含若干符号，符号由0和1组成，每组信号内两种符号数量不同；神经网络模块用于对每组基带iq信号的三组特征图三分类，分类标准为该组信号内两种符号数量是否相近，如果两种符号数量相近则为有效数据，数量相差大则为无效数据，无符号发送则为噪声，分类结果将作用于信号处理模块中的频率同步模块和码元同步模块；信号处理模块由三部分组成，分别为频率同步模块、相干解调模块和码元同步模块，频率同步模块通过鉴频曲线得到频偏估计值，对深度神经网络模块识别出的有效数据进行频率调整，得到无频偏的基带iq信号；相干解调模块根据已知的调制频率分别使用窄带滤波器提取两个载频信号，计算同一时刻下两个载频功率值差，得到解调曲线；码元同步模块根据解调曲线幅值即两个载频功率差值计算码元偏差估计值，对深度神经网络模块识别出的有效数据，使用当前码元偏差估计值进行码元调整，得到最佳采样点位置，经过采样判决得到解调结果。2.根据权利要求1所述的基于数据类型识别的调频信号时频同步系统，其特征在于：神经网络模块采用残差卷积神经网络架构。3.根据权利要求1或2所述的基于数据类型识别的调频信号时频同步系统，其特征在于：模数转换部分使用高速模数芯片。4.根据权利要求1或2或3所述的基于数据类型识别的调频信号时频同步系统，其特征在于：下变频部分由直接频率生成器dds和复乘器构成，直接频率生成器生成与数字频带信号频率相同的正弦信号，复乘器将数字频带信号与正弦信号相乘后，将数字频带信号搬移到基带，得到数字基带信号。5.基于数据类型识别的调频信号时频同步方法，基于调频信号时频同步系统，其特征在于：使用深度学习网络对接收到的气象探测数据进行分类，将两符号数量相近的数据段判断为有效数据，使用深度学习网络的分类结果对有效数据进行频率同步和码元同步，具体包括以下步骤：步骤1：模数转换模块使用高速模数芯片采样气象探测仪发射的调频信号，得到数字频带信号；步骤2：数字频带信号输入下变频部分，下变频部分由直接频率生成器dds和复乘器构成，直接频率生成器生成与数字频带信号频率相同的正弦信号，复乘器将数字频带信号与正弦信号相乘后，将数字频带信号搬移到基带，得到数字基带信号；步骤3：数字基带信号经过下采样模块得到过采样倍数合适的基带iq信号；步骤4：基带iq信号分为两个分支，两个分支并行同时进行，一路基带iq信号首先积累
一段时间构成一组输入信号，每组基带iq信号都包含若干符号，符号由0和1组成，每组基带iq信号输入特征提取模块，经过特征提取模块的时域、频域与时频域转换，得到三组特征图；每组基带iq信号的特征图输入神经网络模块，得到每组数据的三分类结果，分类标准为每组信号内两种符号数量是否相近，两种符号数量相近则为有效数据，数量相差大则为无效数据，无符号发送则为噪声，分类结果将作用于信号处理模块中的频率同步模块和码元同步模块；另一路基带iq信号经过频率同步模块，通过鉴频曲线得到频偏估计值，再根据神经网络模块得到的分类结果，若分类结果为有效数据，则使用当前频偏估计值进行频率调整得到无频偏的基带iq信号；对无频偏的基带iq信号进行相干解调，得到解调曲线；码元同步模块根据解调曲线幅值计算码元偏差估计值，并根据神经网络模块的分类结果，对有效数据使用当前码元偏差估计值进行码元调整，得到最佳采样点位置，经过采样判决得到解调结果。

技术总结
本发明提出一种基于数据类型识别的调频信号时频同步系统及方法，使用深度学习网络根据基带信号时域、频域与时频域三种特征图对每段数据进行分类，每段数据由0、1两种符号或噪声构成，将两种符号数量相近的数据段分类为有效数据段，数量相差较大的数据段分类为无效数据段，无符号的数据段分类为噪声。将分类结果作用于现有的频率同步和码元同步模块，频率同步模块使用鉴频曲线计算频偏估计值，码元同步模块使用两种符号的功率差计算码元偏移估计值，实现联合频率同步和码元同步，并使用相干解调方法经采样判决得到解调结果。解决了连续相同符号会影响时频同步性能的问题，且支持任意调制频率的调频信号时频同步，提高了解调抗干扰能力和适用性。干扰能力和适用性。干扰能力和适用性。


技术研发人员：张钦 管宇同 李海 侯舒娟 武毅
受保护的技术使用者：北京理工大学
技术研发日：2022.07.28
技术公布日：2022/11/25