摘要
本发明公开了一种基于增强神经网络结构的数字自干扰对消方法及装置,方法包括:对第一阶梯式网格结构进行复值拆分操作和去非线性化操作,得到第二阶梯式网格结构,并对第一滑动窗网格结构进行复值拆分操作和去非线性化操作,得到第二滑动窗网格结构;根据第二阶梯式网格结构或者第二滑动窗网格结构,获取动态相位层的第一输出;构造矢量分解结构分离幅度信息和相位信息;将幅度信息馈入非线性隐藏层,得到第二输出;对相位信息以及第二输出进行融合;将融合数据馈入全连接输出层,输出模拟结果;根据模拟结果,对接收信号进行自干扰对消操作,得到目标信号。本发明能够高数字自干扰对消性能和降低网络复杂度,可以广泛应用于全双工通信技术领域。
技术关键词
干扰对消方法
滑动窗
神经网络结构
阶梯式
网格
非线性
正弦相位
全双工通信技术
干扰对消装置
动态
信号
数据
模块
训练集
复杂度
系统为您推荐了相关专利信息
短期预测方法
轨迹预测模型
山区
粗糙度
卷积神经网络结构
保险产品推荐方法
时序特征
客户
风险评估模型
机器学习模型训练
轨迹
结构特征提取
融合分类器
空间特征提取
时间序列距离
心电图分类方法
关键点
斜率信息
序列
心电图分类技术
高分辨率数值
数据驱动模型
网格节点信息
湍流模型
壁面区域