【技术实现步骤摘要】
本专利技术实施例涉及通信，尤其涉及一种正交频分复用索引调制的检测方法。
技术介绍
1、利用了深度学习(deep learning，dl)的方法解决正交频分复用(orthogonalfrequency division multiplexing，ofdm)系统的信号检测问题，传统的信号检测通常对信道响应进行估计，然后对接收信号进行补偿，从而检测恢复出原始信号，通常基于对信号模式的先验假设，用模仿人脑的神经网络结构来处理和分析大量数据，并通过大量的反向对于噪声、干扰和信号变形等情况可能表现较差，ofdm是一种数字多载波调制方法，广泛应用于通信领域，特别是在无线系统中，如wi-fi、4g lte和5g。传统的信号检测方法效率低下，和传统信号检测不同，基于dl的信号检测不对信道响应进行估计，而是将神经网络看作一个黑盒，其使传播来更新网络中的权重值，最终适应输入数据并寻找最佳结果，即使是在低信噪比下也有很大的优势，深度学习可以处理复杂的非线性问题并进行自我组织学习，能有效解决庞大的数据集。
2、关于上述技术方案，专利技术人发现至少存在如下一些技术问题：
3、在低信噪比下性能很差，对于数据特征的提取不够充分，不具有鲁棒性，当改变m的值时性能差别较大。或者，不是将接收到的信号转换为最终估计的信息位，而是神经网络提供不同符号的软概率作为中间结果，还需要后续处理的步骤，复杂度以及成本都较高。长序列处理时可能会遇到内存限制和效率问题。
4、因此，有必要改善上述相关技术方案中存在的一个或者多个问题。
5
技术实现思路
1、本专利技术的目的在于提供一种正交频分复用索引调制的检测方法，进而至少在一定程度上解决上述的由于相关技术的限制和缺陷而导致的一个或者多个问题。
2、第一方面，本专利技术提供了一种正交频分复用索引调制的检测方法，包括：
3、接收正交频分复用索引调制系统产生的接收信号和信道状态信息；
4、根据所述接收信号和信道状态信息进行均衡处理生成数据集；
5、通过神经网络处理所述数据集进行网络特征提取；
6、将所述神经网络的输出作为transformer模块的输入构建全局的上下文信息；
7、将所述transformer模块的输出进行分类生成检测结果。
8、可选的，所述根据所述接收信号和信道状态信息进行均衡处理生成数据集的步骤包括：
9、将所述接收信号和信道状态信息输入至预处理模块，并采用零强迫均衡进行均衡处理生成数据集。
10、可选的，所述通过神经网络处理所述数据集进行网络特征提取的步骤包括：
11、所述神经网络采用多层卷积层，每一层卷积层的输入输出大小根据输入数据的变化而变化。
12、可选的，所述通过神经网络处理所述数据集进行网络特征提取的步骤包括：
13、所述神经网络采用卷积层提取特征在全连接层之前进行池化操作。
14、可选的，所述将所述神经网络的输出作为transformer模块的输入构建全局的上下文信息的步骤包括：
15、所述transformer模块采用多头注意力机制并列处理输入数据。
16、可选的，所述将所述神经网络的输出作为transformer模块的输入构建全局的上下文信息的步骤包括：
17、将所述神经网络的输出进行层归一化处理，再通过多个并列的线性层分解后输入至多头注意力进行处理。
18、可选的，所述将所述神经网络的输出作为transformer模块的输入构建全局的上下文信息的步骤包括：
19、将经过多头注意力处理的数据统一进行层归一化处理。
20、可选的，所述将所述神经网络的输出作为transformer模块的输入构建全局的上下文信息的步骤包括：
21、将经过多头注意力处理的数据经过前馈网络进行序列表示处理后作为所述transformer模块的输出。
22、可选的，所述将所述transformer模块的输出进行分类生成检测结果的步骤包括：
23、所述transformer模块的输出采用sigmoid激活函数进行训练，并使损失函数最小化。
24、本专利技术提供的技术方案可以包括以下有益效果：
25、本专利技术中，通过将cnn和transformer网络用于信号ofdm-im系统的信号检测，在低信噪比下依然能够达到很好的性能，比传统的zf检测器有极大的性能提升，降低了成本，且具有鲁棒性，能够过滤有关和无关的信息，提高信息处理的效率。结合了递归记忆和最优多项式投影，改善了处理长序列和长距离依赖关系的性能。
本文档来自技高网...【技术保护点】
1.一种正交频分复用索引调制的检测方法，其特征在于，包括：
2.根据权利要求1所述的正交频分复用索引调制的检测方法，其特征在于，所述根据所述接收信号和信道状态信息进行均衡处理生成数据集的步骤包括：
3.根据权利要求2所述的正交频分复用索引调制的检测方法，其特征在于，所述通过神经网络处理所述数据集进行网络特征提取的步骤包括：
4.根据权利要求3所述的正交频分复用索引调制的检测方法，其特征在于，所述通过神经网络处理所述数据集进行网络特征提取的步骤包括：
5.根据权利要求1所述的正交频分复用索引调制的检测方法，其特征在于，所述将所述神经网络的输出作为Transformer模块的输入构建全局的上下文信息的步骤包括：
6.根据权利要求5所述的正交频分复用索引调制的检测方法，其特征在于，所述将所述神经网络的输出作为Transformer模块的输入构建全局的上下文信息的步骤包括：
7.根据权利要求6所述的正交频分复用索引调制的检测方法，其特征在于，所述将所述神经网络的输出作为Transformer模块的输入构建全局的上下文
8.根据权利要求7所述的正交频分复用索引调制的检测方法，其特征在于，所述将所述神经网络的输出作为Transformer模块的输入构建全局的上下文信息的步骤包括：
9.根据权利要求1-8任一项所述的正交频分复用索引调制的检测方法，其特征在于，所述将所述Transformer模块的输出进行分类生成检测结果的步骤包括：
...【技术特征摘要】
1.一种正交频分复用索引调制的检测方法，其特征在于，包括：
2.根据权利要求1所述的正交频分复用索引调制的检测方法，其特征在于，所述根据所述接收信号和信道状态信息进行均衡处理生成数据集的步骤包括：
3.根据权利要求2所述的正交频分复用索引调制的检测方法，其特征在于，所述通过神经网络处理所述数据集进行网络特征提取的步骤包括：
4.根据权利要求3所述的正交频分复用索引调制的检测方法，其特征在于，所述通过神经网络处理所述数据集进行网络特征提取的步骤包括：
5.根据权利要求1所述的正交频分复用索引调制的检测方法，其特征在于，所述将所述神经网络的输出作为transformer模块的输入构建全局的上下文信息的步骤包括：
...
【专利技术属性】
技术研发人员：冯丹，马静宇，张明阳，褚宏云，姜静，
申请(专利权)人：西安邮电大学，
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。