一种OTFS系统的信号检测方法及装置制造方法及图纸

本说明书一个或多个实施例提供一种OTFS系统的信号检测方法及装置，包括：根据OTFS系统结构，建立对应的因子图；根据所述因子图，构建神经网络；其中，所述神经网络的隐藏层的层数与消息传递的迭代次数相同，所述隐藏层包括消息计算神经元和概率计算神经元，所述消息计算神经元与所述因子图的节点和/或边相对应，所述概率计算神经元用于根据信号检测性能参数、所述消息计算神经元输出的数据计算发送信号经过信道后得到的发送信号中每个调制符号的概率；对所述神经网络进行训练，得到优化的信号检测性能参数。本说明书结合神经网络和信号检测算法，能够通过训练神经网络获得最优的信号检测性能参数，从而提升信号检测性能。

【技术实现步骤摘要】
一种OTFS系统的信号检测方法及装置
本说明书一个或多个实施例涉及通信
，尤其涉及一种OTFS系统的信号检测方法及装置。
技术介绍
OTFS(OrthogonalTimeFrequencySpace)是一种新型的正交时频调制技术，特别适用于高多普勒、短分组和大型天线阵列的系统中。近似消息传递(ApproximateMessagePassing，AMP)算法是应用于OTFS系统中的一种信号检测算法，可通过在因子图上多次迭代传递消息，提高信号检测性能，迭代过程中，信号检测性能与信号检测性能参数有直接关系，最优的信号检测性能参数能够改善算法性能，提高信号检测精度。目前，可通过仿真方式选取信号检测性能参数，但是即使进行了大量的仿真操作，也不一定能够得到最优的信号检测性能参数。
技术实现思路
有鉴于此，本说明书一个或多个实施例的目的在于提出一种OTFS系统的信号检测方法及装置，能够确定最优的信号检测性能参数，提高信号检测性能。基于上述目的，本说明书一个或多个实施例提供了一种OTFS系统的信号检测方法，包括：根据OTFS系统参数，建立对应的因子图；根据所述因子图，构建神经网络；其中，所述神经网络的隐藏层的层数与消息传递的迭代次数相同，所述隐藏层包括消息计算神经元和概率计算神经元，所述消息计算神经元与所述因子图的节点和/或边相对应，所述概率计算神经元用于根据信号检测性能参数、所述消息计算神经元输出的数据计算发送信号经过信道后得到的发送信号中每个调制符号的概率；对所述神经网络进行训练，得到优化的信号检测性能参数。可选的，所述OTFS系统参数包括子载波数、OFDM符号数，以及信道模型的多径数，每一径的多普勒频偏和多径时延。可选的，所述因子图包括VN节点与FN节点，所述VN节点与发送信号相对应，所述FN节点与接收信号相对应，所述VN节点与FN节点是否有连线，由信道响应参数矩阵中对应相应VN节点与FN节点的元素值决定。可选的，每个隐藏层包括VN计算层、FN计算层和概率计算层，第一个隐藏层的概率计算层根据输入层输入的初始化发送信号中每个调制符号的概率，所在隐藏层的FN计算层的计算结果及所述信号检测性能参数，计算得到并输出发送信号中每个调制符号的概率；最后一个隐藏层的概率计算层根据输入层输入的初始化发送信号中每个调制符号的概率，所在隐藏层的FN计算层的计算结果，计算得到并输出发送信号中每个调制符号的概率；除第一个和最后一个以外的隐藏层，根据输入层输入的初始化的每个调制符号的概率、所在隐藏层的FN计算层的计算结果、前一隐藏层的概率计算层输出的概率计算结果及所述信号检测性能参数，计算发送信号中每个调制符号的概率。可选的，所述VN计算层包括VN神经元，所述FN计算层包括FN神经元；所述VN神经元用于计算发送信号的均值和方差，并将计算结果送入对应的FN神经元，所述FN神经元用于根据接收的均值和方差计算对应时延-多普勒域信道响应系数乘上发送信号的均值和方差。可选的，对于基于均值传递的AMP算法构建的神经网络，第i层隐藏层，VN计算层中与e＝(v,f)对应的VN神经元与第i-1层隐藏层中FN计算层中与e＝(v,f)对应的FN神经元连接，也与第i-1隐藏层中概率计算层中与第v个VN节点对应的概率计算神经元连接；概率计算层中与第v个VN节点对应的概率计算神经元与第i层隐藏层中FN计算层中与e＝(v,f′),f′∈Fv对应的FN神经元连接，也与第v个VN节点对应的输入层中初始化符号概率神经元连接，也与第i-1隐藏层中概率计算层中与第v个VN节点对应的VN神经元连接；其中，i＝1,2,…L，L为隐藏层的层数，e＝(v,f)表示因子图中第v个VN节点与第f个FN节点之间连接的边，Fv表示与第v个VN节点连接的FN节点的集合；FN计算层中与e＝(v,f)对应的FN神经元与第i层隐藏层的VN计算层中与e＝(v′,f),v′∈Vf\v对应的VN神经元连接，与第f个FN节点对应的接收信号神经元连接。可选的，对于基于高斯近似的AMP算法构建的神经网络，在第i层隐藏层中，VN计算层中与e＝(v,f)对应的VN神经元与第i-1层隐藏层中概率计算层中与e＝(v,f)对应的概率计算神经元连接；FN计算层中与e＝(v,f)对应的FN神经元与第i层隐藏层的VN计算层中与e＝(v′,f),v′∈Vf\v对应的VN神经元连接，与第f个FN节点对应的接收信号神经元连接，；最后一层隐藏层的概率计算层中e＝(v,f)对应的概率计算神经元与第i层隐藏层中FN计算层中与e＝(v,f′),f′∈Fv对应的FN神经元连接，也与第v个VN节点对应的输入层中初始化符号概率神经元连接，；除最后一层隐藏层外，概率计算层中e＝(v,f)对应的概率计算神经元与第i层隐藏层中FN计算层中与e＝(v,f′),f′∈Fve＝(v,f′),f′∈Fv\f对应的FN神经元连接，也与第v个VN节点对应的输入层中初始化符号概率神经元连接，也与第i-1隐藏层中概率计算层中与e＝(v,f)对应的概率计算神经元连接；其中，i＝1,2,…L，L为隐藏层的层数，e＝(v,f)表示因子图中第v个VN节点与第f个FN节点之间连接的边，Vf表示与第f个FN节点连接的VN节点的集合，Vf\v表示与第f个FN节点连接的VN节点的集合，该集合中不包括第v个VN节点，Fv表示与第v个VN节点连接的FN节点的集合，Fv\f表示与第v个VN节点连接的FN节点的集合，该集合不包括第f个FN节点。可选的，对所述神经网络进行训练，包括：每个隐藏层对应一个中间输出层，根据每个中间输出层的输出数据，分别训练每个隐藏层及其对应的中间输出层，直至每个中间输出层的输出最优的信号检测性能参数。可选的，所述神经网络的输出层根据输出的发送信号中每个调制符号的概率，计算出发送端发送的每个比特的似然比。本说明书实施例还提供一种OTFS系统的信号检测装置，包括：因子图建立模块，用于根据OTFS系统参数，建立对应的因子图；神经网络构建模块，用于根据所述因子图，构建神经网络；其中，神经网络的隐藏层的层数与消息传递的迭代次数相同，隐藏层包括消息计算神经元和概率计算神经元，消息计算神经元与所述因子图的节点和/或边相对应，概率计算神经元用于根据信号检测性能参数、消息计算神经元输出的数据计算发送信号经过信道后得到的发送信号中每个调制符号的概率；神经网络训练模块，用于对所述神经网络进行训练，得到优化的信号检测性能参数。从上面所述可以看出，本说明书一个或多个实施例提供的OTFS系统的信号检测方法及装置，包括：根据OTFS系统结构，建立对应的因子图；根据因子图，构建神经网络；其中，神经网络的隐藏层的层数与消息传递的迭代次数相同，隐藏层包括消息计算神经元和概率计算神经元，消息计算神经元与因子图的节点和/或边相对应，概率计算神经元用于根据信号检测性能参数、消息计算神经元输出的数据计算发送信号经过信道后得到的发送信号中每个调制符号的概率；对神经网络进行训练，得到优化的信号本文档来自技高网...

【技术保护点】
1.一种OTFS系统的信号检测方法，其特征在于，包括：/n根据OTFS系统参数，建立对应的因子图；/n根据所述因子图，构建神经网络；其中，所述神经网络的隐藏层的层数与消息传递的迭代次数相同，所述隐藏层包括消息计算神经元和概率计算神经元，所述消息计算神经元与所述因子图的节点和/或边相对应，所述概率计算神经元用于根据信号检测性能参数、所述消息计算神经元输出的数据计算发送信号经过信道后得到的发送信号中每个调制符号的概率；/n对所述神经网络进行训练，得到优化的信号检测性能参数。/n

【技术特征摘要】
1.一种OTFS系统的信号检测方法，其特征在于，包括：
根据OTFS系统参数，建立对应的因子图；
根据所述因子图，构建神经网络；其中，所述神经网络的隐藏层的层数与消息传递的迭代次数相同，所述隐藏层包括消息计算神经元和概率计算神经元，所述消息计算神经元与所述因子图的节点和/或边相对应，所述概率计算神经元用于根据信号检测性能参数、所述消息计算神经元输出的数据计算发送信号经过信道后得到的发送信号中每个调制符号的概率；
对所述神经网络进行训练，得到优化的信号检测性能参数。


2.根据权利要求1所述的方法，其特征在于，所述OTFS系统参数包括子载波数、OFDM符号数，以及信道模型的多径数，每一径的多普勒频偏和多径时延。


3.根据权利要求1所述的方法，其特征在于，所述因子图包括VN节点与FN节点，所述VN节点与发送信号相对应，所述FN节点与接收信号相对应，所述VN节点与FN节点是否有连线，由信道响应参数矩阵中对应相应VN节点与FN节点的元素值决定。


4.根据权利要求3所述的方法，其特征在于，每个隐藏层包括VN计算层、FN计算层和概率计算层，第一个隐藏层的概率计算层根据输入层输入的初始化发送信号中每个调制符号的概率，所在隐藏层的FN计算层的计算结果及所述信号检测性能参数，计算得到并输出发送信号中每个调制符号的概率；最后一个隐藏层的概率计算层根据输入层输入的初始化发送信号中每个调制符号的概率，所在隐藏层的FN计算层的计算结果，计算得到并输出发送信号中每个调制符号的概率；除第一个和最后一个以外的隐藏层，根据输入层输入的初始化的每个调制符号的概率、所在隐藏层的FN计算层的计算结果、前一隐藏层的概率计算层输出的概率计算结果及所述信号检测性能参数，计算发送信号中每个调制符号的概率。


5.根据权利要求4所述的方法，其特征在于，所述VN计算层包括VN神经元，所述FN计算层包括FN神经元；所述VN神经元用于计算发送信号的均值和方差，并将计算结果送入对应的FN神经元，所述FN神经元用于根据接收的均值和方差计算对应时延-多普勒域信道响应系数乘上发送信号的均值和方差。


6.根据权利要求5所述的方法，其特征在于，对于基于均值传递的AMP算法构建的神经网络，第i层隐藏层，VN计算层中与e＝(v,f)对应的VN神经元与第i-1层隐藏层中FN计算层中与e＝(v,f)对应的FN神经元连接，也与第i-1隐藏层中概率计算层中与第v个VN节点对应的概率计算神经元连接；概率计算层中与第v个VN节点对应的概率计算神经元与第i层隐藏层中FN计算层中与e＝(v,f′),f′∈Fv对应的FN神经元连接，也与第v个VN节点对应的输入层中初始化符号概率神经元连接，也与第i-1隐藏层中概率计算层中与第v个VN节点对应的VN神经元连接；其中，i＝1,2,…L，L为隐藏层的层数，e＝(v,f)表示因子图中第v个...

【专利技术属性】
技术研发人员：牛凯，戴金晟，孙富强，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11