基于深度神经网络的近似消息传递大规模MIMO信号检测算法制造技术

本发明专利技术涉及一种基于深度神经网络的近似消息传递大规模MIMO信号检测算法，属于无线通信技术领域，包括步骤一：简化用于大规模MIMO系统置信传播算法并标量化，得到最初适用于大规模MIMO系统的近似消息传递算法；步骤二：设置训练参数，得到改进的近似消息传递算法；步骤三：将带有训练参数的近似消息传递算法展开成一个用于大规模MIMO系统检测的深度神经网络；步骤四：对所构建的深度神经网络进行离线训练，得到适用于MIMO系统检测的最优近似消息传递深度神经网络，用训练好的神经网络进行在线检测。本发明专利技术实现了以较低复杂度，达到了更低的误码率，并且对各种信道、天线配置以及不同的调制方式都具有稳健性。

Approximate message passing large scale MIMO signal detection algorithm based on deep neural network

【技术实现步骤摘要】
基于深度神经网络的近似消息传递大规模MIMO信号检测算法
本专利技术属于无线通信
，涉及一种基于深度神经网络的近似消息传递大规模MIMO信号检测算法。
技术介绍
大规模多输入多输出(multipleinputmultipleoutput,MIMO)系统在现代通信中具有重要意义。然而，随着用户和基站(BaseStation,BS)天线数量的增加和接收信号复杂度的提高，在BS处对信号的有效检测变得越来越困难。因此，如何实现低误码率和低计算复杂度的信号检测成为人们关注的焦点。针对大规模MIMO系统来说，通过判断是否使用深度学习技术，分为传统的检测算法与基于深度学习的检测算法。在传统的方法中，最大似然算法是最优检测器(MaximumLikelihood,ML)是最优检测器，但是其计算复杂度随着天线数呈指数增长。此外，调制阶数涉及穷举搜索，因此在实际的大规模MIMO系统中部署是不可行的。为了降低复杂度，提出了一种基于格搜索的球面译码算法。虽然它的性能与ML检测器非常接近，但是由于搜索空间不能设置得太小，所以复杂度仍然很高。随后出现了著名的线本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的近似消息传递大规模MIMO信号检测算法，其特征在于：包括以下步骤：/n步骤一：简化用于大规模MIMO系统置信传播算法并标量化，得到最初适用于大规模MIMO系统的近似消息传递算法；/n步骤二：设置训练参数，得到改进的近似消息传递算法；/n步骤三：将带有训练参数的近似消息传递算法展开成一个用于大规模MIMO系统检测的深度神经网络；/n步骤四：对所构建的深度神经网络进行离线训练，得到适用于MIMO系统检测的最优近似消息传递深度神经网络，用训练好的神经网络进行在线检测。/n

【技术特征摘要】
1.一种基于深度神经网络的近似消息传递大规模MIMO信号检测算法，其特征在于：包括以下步骤：
步骤一：简化用于大规模MIMO系统置信传播算法并标量化，得到最初适用于大规模MIMO系统的近似消息传递算法；
步骤二：设置训练参数，得到改进的近似消息传递算法；
步骤三：将带有训练参数的近似消息传递算法展开成一个用于大规模MIMO系统检测的深度神经网络；
步骤四：对所构建的深度神经网络进行离线训练，得到适用于MIMO系统检测的最优近似消息传递深度神经网络，用训练好的神经网络进行在线检测。


2.根据权利要求1是的基于深度神经网络的近似消息传递大规模MIMO信号检测算法，其特征在于：所述步骤一的具体过程包括：
大规模MIMO系统在基站端配置M根传输天线，用户端N传输天线，其实值信号模型为：
y＝Hx+n(1)
其中表示接收端的接收信号矢量，表示用户端传输的调制信号，H表示独立同分布的信道矩阵服从N(0,1/2M)，为服从高斯分布的加性高斯白噪声，其均值为0，方差为已知接收信号y和信道矩阵H,根贝叶斯理论和最小均方误差估计
在大规模MIMO系统因子图的BP迭代过程中，将从变量节点到因子节点的消息表示为Ji→j。同样,让表示从因子节点到变量节点的消息，在第t次迭代时，消息方程更新如下：






假定传输信号x服从高斯分布根据高斯分布的乘法也服从高斯分布，再根据贝叶斯定理与高斯分布乘法运算法则，消息迭代过程为






令利用泰勒级数展开以及矩阵归一化得到标量化的AMP检测算法中的均值与方差更新表达式：






其中，


3.根据权利要求2所述的基于深度神经网络的近似消息传递大规模MIMO信号检测算法，其特征在于：所述步骤二具体包括：
将步...

【专利技术属性】
技术研发人员：张祖凡，晏小琴，甘臣权，张家波，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50