信号检测及模型训练方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供一种信号检测及模型训练方法、装置、设备及存储介质，该方法包括：对接收信号进行解调获得对应的解调数据；对所述解调数据提取实部和虚部，形成所述解调数据对应的实数数据；将所述实数数据输入到预先训练获得的目标深度学习网络模型，获得输出结果；根据所述输出结果，获得原始发送信号的检测结果。本发明专利技术通过采用深度学习网络模型进行信道估计与均衡，自适应地学习通信信道状态信息，避免虚部干扰影响，有效提高信号检测的准确性。有效提高信号检测的准确性。有效提高信号检测的准确性。

【技术实现步骤摘要】
信号检测及模型训练方法、装置、设备及存储介质


[0001]本专利技术涉及通信
，尤其涉及一种信号检测及模型训练方法、装置、设备及存储介质。

技术介绍

[0002]随着通信技术的飞速发展，当前已进入5G时代，在5G时代，相对于LTE(Long Term Evolution，长期演进)的OFDM(Orthogonal Frequency Division Multiplexing，正交频分复用)技术，FBMC(Filter Bank Multi
‑
Carrier，滤波器组多载波)系统不需要循环前缀、带外泄露低、频谱效率高，因而具有更优越的稳定性、时频聚焦性和更高的频谱利用率。但是，由于FBMC系统仅在实数域上满足严格正交，存在固有的虚部干扰，OFDM系统中的信道估计方法无法直接用于FBMC系统中来实现信号的检测。
[0003]针对这一问题，现有技术中通常基于给出的导频结构采用最小二乘信道估计、MMSE均衡算法以及MMSE均衡需要的噪声估计方法来实现信道估计及均衡，但是现有的信道估计及均衡方法对传输信号的检测结果准确性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信号检测方法，其特征在于，包括：对接收信号进行解调获得对应的解调数据；对所述解调数据提取实部和虚部，形成所述解调数据对应的实数数据；将所述实数数据输入到预先训练获得的目标深度学习网络模型，获得输出结果；根据所述输出结果，获得原始发送信号的检测结果。2.根据权利要求1所述的方法，其特征在于，所述对接收信号进行解调获得对应的解调数据，包括：对所述接收信号进行串并转换，获得对应的并行信号；采用逆原型滤波器对所述并行信号进行逆滤波，获得逆滤波结果；对所述逆滤波结果进行快速傅里叶变换，获得第一变换结果；对所述第一变换结果删除初始相位，获得所述解调数据。3.根据权利要求1所述的方法，其特征在于，所述根据所述输出结果，获得原始发送信号的检测结果，包括：采用Viterbi译码算法对所述输出结果进行译码及并串转换，获得原始发送信号的检测结果。4.根据权利要求1所述的方法，其特征在于，所述目标深度学习网络模型为目标LSTM网络模型；所述方法还包括：获取当前传输信号的目标信道的特征数据；将所述目标信道的特征数据输入到训练好的信道分类模型，获得所述目标信道的场景类型，所述信道分类模型为深度神经网络模型；根据所述目标信道的场景类型获取对应的目标LSTM参数；将基于所述目标LSTM参数的网络模型作为所述目标LSTM网络模型。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：获取信道训练特征数据及对应的标签数据；基于所述信道训练特征数据及对应的标签数据，对预先建立的深度神经网络进行训练，若损失达到第一预设条件，则结束训练，获得所述深度神经网络模型。6.一种信号检测的模型训练方法，其特征在于，包括：获取训练数据集，所述训练数据集包括训练输入数据和...

【专利技术属性】
技术研发人员：李新增，金婕，马天鸣，张嘉，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：