【技术实现步骤摘要】
一种基于小样本学习的物联网上行信号检测方法
[0001]本专利技术涉及信号检测
，具体涉及一种基于小样本学习的物联网上行信号检测方法。
技术介绍
[0002]在现代的数字通信系统中，信号检测是一个重要的组成部分。信号在发送端经过编码，调制之后发送出去，经过信道之后来到接收端，这时候接收端收到的信号是经过噪声干扰或者码间串扰的信号，所以就需要使用信号检测来对接收到的信号进行判决，而传统的信号检测算法依赖于信道的统计模型。在较为理想的无线通信中，可以使用数学公式建立信道的概率统计模型，从而执行信号检测算法。但是在物联网场景下，由于收发机的制造成本约束，信号的传输将会受到I/Q不平衡、非线性放大器、低精度ADC等非理想因素的影响。在这种情况下，等效的信道模型为非线性模型，并且对这些非线性因素难以建立有效、准确的模型，从而造成传统信号检测算法的性能大幅度下降。所以在这些情况下，使用一种不依赖于信道先验知识的方法来进行信号检测就具有重要的实际意义。
[0003]机器学习当中的神经网络模型与深度学习算法比较适用于在难以进行...
【技术保护点】
【技术特征摘要】
1.一种基于小样本学习的物联网上行信号检测方法，其特征在于，包括以下步骤；1)K个用户设备各发送N
f
个信号帧给基站，基站将接收信号帧作为训练数据，发送信号帧作为数据标签，组合得到训练数据集2)初始化信号检测神经网络，使其参数满足标准高斯分布，该信号检测神经网络包括三个部分，参数生成器G、信号分类器D、和链路分类器L；3)使用步骤1)得到的训练数据集对步骤2)中的信号检测神经网络迭代地进行训练；4)在部署使用阶段，基站将发送信号帧的导频符号和接收信号帧输入所述信号检测神经网络，得到信号检测的结果，完成对发送信号帧的数据符号的估计。2.根据权利要求1所述的一种基于小样本学习的物联网上行信号检测方法，其特征在于，所述的步骤2)中所述的参数生成器G是一个全连接神经网络，其输入为发送信号帧的导频符号和接收信号帧的导频符号，输出为参数矩阵，对于一个用户设备发送的一个信号帧，G的输入输出关系表示为：其中p
n
和分别是第n个发送导频符号和第n个接收导频符号，w
n
为输出的参数矩阵，用所有导频符号生成的参数矩阵的平均与接收信号帧中的数据符号相乘可以得到接收数据符号的特征向量x
n
，n＝1，...，N
d
，该过程表示为：程表示为：是第n个接收数据符号。3.根据权利要求1所述的一种基于小样本学习的物联网上行信号检测方法，其特征在于，所述的步骤2)中所述的信号分类器D是一个全连接神经网络，其输入为数据符号的特征向量x
n
，n＝1，...，N
d
，信号分类器D的输出为信号检测的结果，即对发送数据符号的估计，D的输入输出关系可以表示为：的输入输出关系可以表示为：是对第n个发送数据符号的估计。4.根据权利要求1所述的一种基于小样本学习的物联网上行信号检测方法，其特征在于，所述的步骤2)中所述的链路分类器L是一个全连接神经网络，其输入为数据符号的特征向量x
n
，n＝1，...，N
...
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。