本技术涉及无线通信技术领域,公开了面向OFDM通信信号的DNN辅助干扰功率分配方法,包括:发射机将处理后的信号由天线进行发射到接收机;干扰机对衰落信道进行信息采集并传输给智能体,智能体将管理功率分配结果通过控制链路传送给干扰机,以使干扰机进行相应的干扰发射;接收机接收到发射机发射的信号后进行信号数据处理并输出;接收机对不同干扰功率分配方案下的干扰效果进行比较,完成干扰性能评估,关闭USRP系统服务。本发明针对OFDM信号的子载波之间的分配功率策略进行优化,引入深度神经网络DNN,针对最佳功率分配方案进行训练学习,实现性能逼近最佳功率分配的同时,大大缩短了计算时间,增强了干扰功率分配响应速度。
背景技术
随着5G无线通信技术和智能技术的不断发展,面对爆炸式增长的用户对高速和无处不在的网络接入需求,无线通信系统的频谱资源变得更加有限。在这种条件下,传统的调制技术可能无法满足日益增长的数据传输需求。而正交频分复用(Orthogonal FrequencyDivision Multiplexing,OFDM)技术的出现,有效解决了这个问题。OFDM技术可以将高速数据流分成多个子数据流,并用多个相互正交的子载波进行数据传输,每个子载波可以采用相同的调制方式。这种多载波传输的方式使得OFDM技术具有较好的信息传输能力,能够在有限的频谱资源下实现高速数据传输。同时,由于各个子载波之间正交的特性,OFDM技术还具有较强的抗多径衰落和抗频率选择性衰落的能力,从而提高了系统的抗干扰能力。
然而,在实际的电子战环境中针对OFDM系统进行有效的电子干扰仍然是一项挑战。此外,需要注意的是,大多数模拟实验中通常忽略了OFDM系统中衰落信道的影响。
实现思路