【技术实现步骤摘要】
本专利技术属于无线通信领域，涉及一种基于统一图表征的双线性图神经网络(graphneural network，gnn)辅助迭代接收方法，适用于块衰落信道下的多用户多输入多输出(multiuser multiple-input and multiple-output,mu-mimo)通信接收机设计。
技术介绍
1、随着科技的不断发展和应用场景的不断拓展，对高速率高性能通信的需求急剧攀升。大规模多输入多输出(multiple-input and multiple-output,mimo)技术由于可以显著提高频谱效率和链路可靠性，已应用于许多无线通信系统中。为了获得mimo技术的优势，需要在接收器设计中平衡性能和复杂度的高效信道估计和信号检测算法。
2、凭借卓越的性能和适中的复杂度，基于近似消息传递(amp)算法的迭代接收器已经被提出用于mu-mimo接收，能够在理想大规模系统达到贝叶斯最优性能。然而，对于实际的mu-mimo系统，这些迭代检测器的性能仍远离贝叶斯最优解。
3、为了应对这一挑战，深度学习被引入到无线通信...
【技术保护点】
1.一种基于统一图表征的双线性图神经网络辅助迭代接收方法，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，多用户多输入多输出上行通信建模与初始化的步骤包括：
3.根据权利要求2所述的方法，其特征在于，使用双线性广义近似消息传递算法实现信道和符号的双线性推理的步骤包括：
4.根据权利要求3所述的方法，其特征在于，在初始化后的因子图上，执行以下步骤实现双线性推理：
5.根据权利要求4所述的方法，其特征在于，行列耦合特征提取的步骤包括：
6.根据权利要求5所述的方法，其特征在于，双线性GNN补偿内循环的步
【技术特征摘要】
1.一种基于统一图表征的双线性图神经网络辅助迭代接收方法，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，多用户多输入多输出上行通信建模与初始化的步骤包括：
3.根据权利要求2所述的方法，其特征在于，使用双线性广义近似消息传递算法实现信道和符号的双线性推理的步骤包括：
4.根据权利要求3所述的方法，其特征在于，在初始化后...
【专利技术属性】
技术研发人员：何东轩，刘子深，武楠，李彬，张婷婷，蒋荣堃，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
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。