The invention discloses an iterative intelligent signal detection method based on neural network, the method comprises the following steps: Step 1, input the signal to be detected to the signal detector to obtain the interference signal estimate value; step 2, input the interference signal estimate value to the deep neural network to obtain the signal to be detected; step 3, repeat the steps 1 and 2 for several times The signal detector outputs the final signal. The invention also provides an iterative intelligent signal detection device, device and storage medium based on neural network. By adopting the invention, the signal detection performance in the scene subject to complex dynamic correlation interference can be improved.
【技术实现步骤摘要】
一种基于神经网络的可迭代式智能化信号检测方法
本专利技术涉及信号检测领域，特别是涉及一种基于神经网络的可迭代式智能化信号检测方法。
技术介绍
多输入多输出(MIMO)通信系统具有空间分集的优点，能够有效地满足下一代通信网络对高数据量的需求。对于现有的如最大似然检测器(MLD)，最小均方误差检测器(MMSE)和迫零检测器(ZF)等传统检测器来说，其采用的检测算法大都是基于某一特定的数学模型，该数学模型的理论假设需要知道噪声或干扰的具体分布。然而，在某些通信场景下，噪声和干扰的分布是非常复杂，不易分析处理，或者很难找到适合描述其分布的模型。在这种情况下，传统的基于模型的检测器并不能很好地工作，这就使得我们亟需研究一种新型的检测器，使其能适应受到复杂噪声或干扰影响下的通信场景。近年来，随着计算能力的爆炸式增长，人工智能在无线通信领域的应用取得了巨大的发展。与传统的模型驱动的检测算法不同的是，基于数据驱动的人工智能算法可以通过数据来自适应的学习如何进行检测。在多输入多输出(MIMO)无线网络通信系统中，存在具有相关性...
【技术保护点】
1.一种基于神经网络的可迭代式智能化信号检测方法，其特征在于，包括以下步骤：/n步骤1、将待检测信号输入至信号检测器，获取干扰信号估计值；/n步骤2、将所述干扰信号估计值输入至深层神经网络，获取待检测信号；/n步骤3、重复若干次所述步骤1和2，所述信号检测器输出最终信号。/n
【技术特征摘要】
1.一种基于神经网络的可迭代式智能化信号检测方法，其特征在于，包括以下步骤：
步骤1、将待检测信号输入至信号检测器，获取干扰信号估计值；
步骤2、将所述干扰信号估计值输入至深层神经网络，获取待检测信号；
步骤3、重复若干次所述步骤1和2，所述信号检测器输出最终信号。
2.如权利要求1所述基于神经网络的可迭代式智能化信号检测方法，其特征在于，所述深度神经网络的训练过程包括：
对于序列长度为N的M维输入序列，所述损失函数包括：
其中，|Ω|是信号分类的数量，pi(n)表示序列中的第n次接收到的信号所对应的标签值，所述标签值表示当前时刻的信号分类的独热编码，y(n)是第n次接收到的信号，是神经网络输出的干扰信号的估计值，H是对应时刻的瞬时信道参数，sj是信号分类中的其中一种分类的具体信号表现形式。
3.如权利要求2所述基于神经网络的可迭代式智能化信号检测方法，其特征在于，所述深度神经网络的训练过程还包括：
随机产生真实信道条件下的训练样本，并使用所述损失函数训练深层神经网络，直至网络的损失值趋向于收敛。
4.如权利要求1所述基于神经网络的可迭代式智能化信号检测方法，其特征在于，所述待检测信号表达式为：
y＝Hs+w
其中，s是传输的真实信号，H是信道状态参数，w是噪声或干扰信号。
5.如权利要求4所述基于神经网络的可迭代式智能...
【专利技术属性】
技术研发人员：范立生，夏隽娟，陈庆春，何科，吴会军，
申请(专利权)人：广州大学，
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。