买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利基于OTFS调制和深度学习的REC信号检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118555169B 。

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410640997.0，技术领域涉及：H04L25/03；该发明授权基于OTFS调制和深度学习的REC信号检测方法是由刘向丽;赵贺祥;李赞;高瑞雪;谭薇设计研发完成，并于2024-05-22向国家知识产权局提交的专利申请。

本基于OTFS调制和深度学习的REC信号检测方法在说明书摘要公布了：本发明公开了一种基于OTFS调制和深度学习的REC信号检测方法，其实现步骤为：对REC信号进行OTFS解调；利用稀疏贝叶斯学习的近似消息传递算法检测REC信号中目标状态信息；利用状态信息对信道依次进行均衡操作和预处理；利用预处理后的接收信号对构建的条件生成对抗网络进行训练；将预处理后的接收信号送入训练好的条件生成对抗网络中进行通信判决，得到恢复后的我方无人机标签发射的REC通信信号。本发明利用稀疏贝叶斯学习的近似消息传递算法降低目标检测过程中算法的时间复杂度和空间复杂度，利用信道矩阵的特殊性质减少均衡过程中的求逆运算，进一步降低了计算复杂度，提升了系统运行效率。本发明将深度学习模型引入通信接收机设计，对高速移动目标时仍能保持较好的通信可靠性。

本发明授权基于OTFS调制和深度学习的REC信号检测方法在权利要求书中公布了：1.一种基于OTFS调制和深度学习的REC信号检测方法，其特征在于，采用OTFS波形作为雷达信号来构建雷达嵌入式通信系统，构建条件生成对抗网络，通过训练好的条件生成对抗网络中进行通信判决；该方法的具体步骤包括如下： 步骤1，对接收到的雷达嵌入式通信REC信号进行OTFS解调； 步骤2，利用稀疏贝叶斯学习的近似消息传递算法检测REC信号中的我方无人机目标状态信息；所述算法的步骤如下： 第一步，根据OTFS信号的输入-输出关系将解调后的REC信号转换为下述的向量形式： ； 其中，分别表示，和的向量形式，，中的第个元素值分别等于，和，表示系统的发射信号，表示方差为的高斯白噪声，，和分别表示多普勒抽头和时延抽头，，分别表示子载波的个数和符号的个数，其取值均为大于0的整数；表示时延-多普勒域的信道矩阵，； 第二步，将上述的向量表达式等效为以下形式： ； 其中，表示的向量形式，，的第个元素为，表示待检测我方无人机目标处的复增益，表示变换后的等效信道矩阵，，中的第一列取值与中的元素值相等，其余列的取值按照下式循环移位： ； ； 其中，表示等效信道矩阵中位于坐标处的元素值，和表示多普勒抽头，和表示时延抽头，，，，表示以自然指数为底的指数函数，表示虚数单位，表示圆周率； 第三步，利用雷达系统中设定目标的最大检测距离和最大检测速度对信道矢量进行剪枝，则将目标的时延抽头和多普勒抽头变换为： ； 其中，和分别表示剪枝后的时延抽头和多普勒抽头，表示系统的带宽，表示发射机的中心载波频率； 第四步，对接收信号的模型进行抽取后得到稀疏形式的模型如下： ； 其中，表示抽取后的接收向量，，表示抽取的个数，表示在的对应位置抽取后的观测矩阵，，表示在的对应位置抽取后的观测噪声，； 第五步，按照下述的近似消息传递算法求解稀疏模型中的待估计信号： ； ； 其中，分别表示待估计信号在第次迭代后的估计值，表示第次迭代的采样滤波算子，，表示符号函数，下角标表示只取正值符号，表示阈值参数，由公式得出，，是初始的均方根误差，上角标表示转置操作，表示第次迭代过程中的残差值，表示第次迭代过程中的残差值，表示的一阶导数，表示计算向量中每个元素的平均值，，，表示抽取过程中的压缩率，； 第六步，将上述模型估计出的信道矢量转化为；通过分析取值的分布，识别出其峰值所对应的时延和多普勒抽头，这些抽头分别对应于我方无人机目标与雷达信号发射机之间的相对时延和多普勒频移，则系统在时延和多普勒频移处的信道状态信息为，检测到的我方无人机目标的距离和速度分别为： ； 其中，和分别表示我方无人机目标与雷达发射机之间的相对距离和相对速度，表示光速； 步骤3，利用状态信息对信道进行均衡操作： 第一步，按照下式，将时延-多普勒信道状态信息转化为时域信道矩阵： 其中，表示时延-多普勒域信道矩阵，表示时域信道矩阵，表示模运算，表示N点离散傅里叶变换矩阵，表示克罗克内积，上角标表示共轭转置操作，上角标表示矩阵求逆操作； 第二步，利用下式，对信道矩阵进行分解： ； ； 其中，表示M点离散傅里叶变换矩阵，表示一个对角矩阵，其对角线上元素值分别与矩阵中相应位置的特征值相等，，表示以向量为主对角线元素值构成的矩阵，表示矩阵向量化操作，，表示矩阵的第一列； 第三步，按照下式，得到均衡后的接收信号表达式： ； 其中，表示均衡后的接收信号，表示单位矩阵，； 步骤4，对均衡后的接收信号进行预处理： 第一步，按照下式，构建一个滤波器集合： ； 其中，表示滤波器集合中的第个滤波器，，，的取值等于通信波形集的大小，，表示我方标签接收到的信号经过循环移位后得到的托普利兹矩阵，表示非主子空间的最大特征值，表示第个REC通信波形； 第二步，将均衡后的接收信号送到滤波器集合中，按照下式，提取接收信号的数据特征： ； 其中，表示经过第个滤波器后的样本集，，，表示均衡后的信号经过采样后得到的结果，其余值为的循环移位； 第三步，对提取出的每个接收信号的数据特征进行模运算，得到待判决的特征集合； 步骤5，构建条件生成对抗网络； 步骤6，利用预处理后的接收信号对条件生成对抗网络进行训练； 步骤7，采用与步骤4相同的处理方法，对待检测的接收信号进行预处理，将预处理后的接收信号送入训练好的条件生成对抗网络中进行通信判决，得到恢复后的我方无人机标签发射的嵌入式通信信号。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。