一种基于深度学习的正交时频空调制通信系统解调方法

本申请提供一种基于深度学习的正交时频空调制通信系统解调方法，构建基于正交时频空调制通信系统模型和干扰模型；依据通信系统特性与抗干扰需求，构建卷积神经网络和双向长短期记忆网络组合的网络结构；对训练数据进行预处理，再将输入数据和标签数据进行时间序列对齐；预处理后的数据输入的CNN提取局部空间特征，再输入组合网络，捕获时间依赖特征，根据预测解调比特和真实比特计算均方误差损失函数，利用反向传播算法算出网络参数梯度，用优化器依梯度更新网络参数；进行模型训练直至满足预期要求。本发明通过创新性地结合先进的神经网络架构，有效提升了通信系统在干扰环境下的通信可靠性和鲁棒性。