[发明专利]一种基于深度学习的MIMO解码方法、装置及存储介质

说明书

本发明实施例公开了一种基于深度学习的MIMO解码方法、装置及存储介质，通过构建MIMO解码的训练数据集合，训练数据集合中包括多个训练数据；然后基于训练数据集合对神经网络进行训练，得到训练完成的神经网络模型；在接收到待解码MIMO信号时，将待解码MIMO信号输入至神经网络模型进行MIMO解码，然后得到神经网络模型所输出的MIMO解码结果。通过本发明的实施，基于深度学习来设计用于联合MIMO检测和信道解码的神经网络模型，将MIMO检测和信道解码视为联合解码过程，并且通过训练来改善神经网络模型所输出结果的近似性，保证了MIMO解码的整体性能，具有更高的解码准确性以及更快的解码速度。

技术领域

本发明涉及通信技术领域，尤其涉及一种基于深度学习的MIMO 解码方法、装置及存储介质。

背景技术

多天线技术，也称为多输入多输出(MIMO，Multiple-Input Multiple-Output)，是高级无线通信系统最重要的技术之一，理论上已经证实，MIMO可以随着发射和接收天线数量的增加而线性增加其频谱效率。在实际应用中，MIMO已经被合并到许多无线通信标准中，例如802.11n/ac和LTE 4G。

为了实现接近信道容量，相关技术中提出了例如低密度校验码和极化码等高级信道编码方案，这些信道码能保护数据流免受信道衰落、干扰和噪声的影响。而在接收端对信道码进行MIMO解码时，相关技术中通常所采用的两种MIMO接收器分别为线性MIMO接收器和迭代MIMO接收器，其中，线性MIMO接收器的MIMO检测和信道解码以顺序方式操作，也即消除多天线干扰之后，再执行信道解码，而由于线性MIMO检测引入了噪声放大和噪声相关，从而这种顺序线性MIMO检测和信道解码方案通常由于MIMO检测器的输出处的噪声模型与信道解码器的输入之间的不匹配导致较大的性能损失；而迭代MIMO接收器则是采用软输入软输出MIMO检测和信道解码，软MIMO检测器计算关于数据符号的外部信息，并将软信息传递到软信道解码器，然后由软信道解码器计算关于数据符号的新的外部信息，并将计算得到的新外部信息发送回软MIMO检测器以进行进一步的迭代，尽管迭代MIMO解码方案具有比线性MIMO解码方案更好的性能，但是由于迭代MIMO检测器的软输出的噪声模型与信道解码器的输入处的假设噪声模型之间的不匹配，从而它们的解仍然是近似的和次优的，并且，迭代信息交换还引入了较大的解码延迟。

发明内容

本发明实施例的主要目的在于提供一种基于深度学习的MIMO 解码方法、装置及存储介质，至少能够解决相关技术中采用线性 MIMO解码方案、迭代MIMO解码方案进行MIMO解码时的结果是近似和次优的，解码性能较低的问题。

为实现上述目的，本发明实施例第一方面提供了一种基于深度学习的MIMO解码方法，该方法包括：

构建多输入多输出MIMO解码的训练数据集合，所述训练数据集合中包括多个训练数据；

基于所述训练数据集合对神经网络进行训练，得到训练完成的神经网络模型；

在接收到待解码MIMO信号时，将所述待解码MIMO信号输入至所述神经网络模型进行MIMO解码，然后得到所述神经网络模型所输出的MIMO解码结果。

为实现上述目的，本发明实施例第二方面提供了一种基于深度学习的MIMO解码装置，该装置包括：

训练集构建模块，用于构建MIMO解码的训练数据集合，所述训练数据集合中包括多个训练数据；

模型训练模块，用于基于所述训练数据集合对神经网络进行训练，得到训练完成的神经网络模型；

解码模块，用于在接收到待解码MIMO信号时，将所述待解码 MIMO信号输入至所述神经网络模型进行MIMO解码，然后得到所述神经网络模型所输出的MIMO解码结果。

为实现上述目的，本发明实施例第三方面提供了一种电子装置，该电子装置包括：处理器、存储器和通信总线；