The invention discloses a DNN decoding method and decoding communication device of SCMA system, which includes S1, building SCMA system and obtaining training sample data set; S2, establishing SCMA decoder model based on deep neural network; S3, training the above SCMA decoder model; and S4, deploying SCMA decoder model, and decoding SCMA signal through the SCMA decoder model. The invention can improve the decoding accuracy of SCMA without increasing the complexity of the SCMA decoder. Compared with the traditional SCMA decoder based on MPA algorithm, the performance of the DNN-based SCMA decoder in the invention improves both in computational complexity and decoding error rate.
【技术实现步骤摘要】
SCMA系统的DNN解码方法及解码通信设备
本专利技术涉及无线通信领域,具体为一种SCMA系统的DNN解码方法及解码通信设备。
技术介绍
传统SCMA(SparseCodeMultipleAccess,SCMA,稀疏码多址接入)解码器采用消息传递算法(MessagePassingAlgorithm,MPA),结合先验概率,利用因子图在用户节点和资源节点之间迭代更新后验概率消息,以尽可能准确地解析原多用户发送的码字。相比于最大似然算法(MaximumLikelihood,ML)检测,MPA解码器的算法复杂度虽有所降低,但硬件实现依然较为困难,其复杂度随用户数量成指数级增长,从而导致解码效率低,不能满足未来5G系统的部署需求。
技术实现思路
(一)解决的技术问题针对现有技术的不足,本专利技术提供了一种基于深度神经网络(DeepNeuralNetwork,DNN)的SCMA信号解码方法及解码通信设备,其可以大幅降低解码器的复杂度,同时其便于操作,由此提高解码效率和性能。(二)技术方案为实现上述目的,本专利技术提供如下技术方案:一方面,提出一种SCMA系统的DNN解码方法,其包括如下步骤:S1、搭建用于产生SCMA信号的SCMA系统,以及在将SCMA信号发送装置的源码字与SCMA信号接收装置接收到的SCMA信号数据进行关联后获得训练样本数据集;S2、建立基于深度神经网络的SCMA解码器模型;S3、根据所述训练样本数据集训练上述SCMA解码器模型;以及S4、将训练后的SCMA解码器模型加载至解码平台,并通过所述SCMA解码器模型对SCMA信号进行解码。优选的,所述步骤S ...
【技术保护点】
1.一种SCMA系统的DNN解码方法,其特征在于,包括如下步骤:S1、搭建用于产生SCMA信号的SCMA系统,以及在将SCMA信号发送装置的源码字与SCMA信号接收装置接收到的SCMA信号数据进行关联后获得训练样本数据集;S2、建立基于深度神经网络的SCMA解码器模型;S3、根据所述训练样本数据集训练上述SCMA解码器模型;以及S4、将训练后的SCMA解码器模型加载至解码平台,并通过所述SCMA解码器模型对SCMA信号进行解码。
【技术特征摘要】
1.一种SCMA系统的DNN解码方法,其特征在于,包括如下步骤:S1、搭建用于产生SCMA信号的SCMA系统,以及在将SCMA信号发送装置的源码字与SCMA信号接收装置接收到的SCMA信号数据进行关联后获得训练样本数据集;S2、建立基于深度神经网络的SCMA解码器模型;S3、根据所述训练样本数据集训练上述SCMA解码器模型;以及S4、将训练后的SCMA解码器模型加载至解码平台,并通过所述SCMA解码器模型对SCMA信号进行解码。2.如权利要求1所述的解码方法,其特征在于,所述步骤S1包括:S1.1、搭建用于产生SCMA信号的SCMA系统,以及搭建SCMA发送机和SCMA接收机,记录并存储SCMA发送机的源码字,并通过SCMA发送机将所述SCMA系统产生的SCMA信号发送至物理环境中;S1.2、SCMA接收机接收物理环境中的SCMA信号,且记录并存储SCMA信号数据;S1.3、将SCMA发送机的源码字与SCMA接收机存储的SCMA信号数据进行关联,记录并存储关联结果数据;S1.4、重复步骤S1.1-1.3,记录并存储每次重复得到的关联结果数据,以此得到不同信噪比条件下的信号数据集;以及S1.5、整理不同信噪比条件下的信号数据集中的源码字以及与其关联的SCMA信号数据,由此得到所述训练数据集。3.如权利要求1所述的解码方法,其特征在于,所述步骤S2包括:S2.1、建立解码器的输入层,且所述输入层包括至少一个用于接收SCMA信号数据的资源块;S2.2、建立解码器的隐藏层,并通过下述公式(1)完成所述隐藏层的数据输出,其中,yl-1是上一层的数据输出,WlT和bl分别是本层的权重和偏置;S2.3、建立解码器的输出层,且所述输出层用于输出包括至少一个用户的码字的解码结果;每个用户对应m=log2(M)个输出层节点,分别对应解码出来的m个比特向量,所述输出层的节点总数是mJ,其中M是每个用户的码字个数,J是用户数;S2.4、按照下述公式(2)计算至少一个输出层节点的输出概率σ(x):σ(x)=(1+e-x)-1(2);以及按照下述公式(3)计算预测值与真实值之间的不一致程度:其中,y=(y1,…,y2K)T是上述训练数据集中从物理环境中收集的SCMA信号数据;b=(b1,…,bmJ)T是与之关联的源码字;Wd,bd分别代表整个解码器的权重和偏置集合;d(·;Wd,bd)表示解码器的最后输出值,其值是解码出来的比特向量此处的也即公式(2)计算出的输出节点的输出概率σ(x),[0,1]为取值范围,πi[·]表示取向量的第i个元素的值。4.如权利要求3所述的解码方法,其特征在于,所...
【专利技术属性】
技术研发人员:林进挚,赵希敏,胡金星,
申请(专利权)人:中国科学院深圳先进技术研究院,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。