[发明专利]基于深度神经网络的MIMO-NOMA信号检测系统、方法及终端装置

权利要求书

1.基于深度神经网络的MIMO-NOMA信号检测系统，其包括DNN模型；DNN模型包括，

输入层，输入层用于接收由基站发出并经信道损伤且经实虚部分离处理后的MIMO-NOMA信号，输入层的神经元数为输入信号数的两倍；

隐层，隐层包括5层全连接层，全连接层用于实现对检测算法的函数拟合；以及

输出层，输出层采用分组的结构，其用于在一个时隙内输出多个MIMO-NOMA信号。

2.基于深度神经网络的MIMO-NOMA信号检测方法，其包括以下步骤：

步骤一、构建DNN模型；

步骤二、对DNN模型进行训练；

步骤三、采用训练后的DNN模型对由基站发出并经信道损伤的MIMO-NOMA信号进行恢复。

3.根据权利要求2所述的基于深度神经网络的MIMO-NOMA信号检测方法，其特征在于：步骤一中的DNN模型包括输入层、隐层和输出层，输入层的神经元数为输入信号数的两倍，隐层包括5层全连接层，输出层采用分组的结构。

4.根据权利要求3所述的基于深度神经网络的MIMO-NOMA信号检测方法，其特征在于：步骤三中，对MIMO-NOMA信号进行实虚部分离处理后送入输入层的神经元中；其中，MIMO-NOMA信号能够表示为S_r＝HX+N，其中H表示MIMO信道，N表示高斯白噪声；通过公式对，MIMO-NOMA信号进行实虚部分离处理，进而获取MIMO-NOMA信号的实部和虚部，并按先实部后虚部的顺序依次存入输入层的神经元节点中。

5.根据权利要求4所述的基于深度神经网络的MIMO-NOMA信号检测方法，其特征在于：所述5层全连接层的任一层均包含线性运算关系和非线性运算关系，所述任一层的运算公式均为S_i+1＝f(wS_i+b)；其中，向量S_i表示第i层的输入信号，向量S_i+1表示第i层的输出信号，w表示乘积超参量，b表示偏移超参量，函数f表示为非线性函数；所述任一层的乘积超参量w和偏移超参量b均通过步骤二获取，乘积超参量w和偏移超参量b用于构成对输入数据的线性运算；所述任一层的函数f均采用ReLU函数，以用于实现对输入数据的非线性运算。

6.根据权利要求5所述的基于深度神经网络的MIMO-NOMA信号检测方法，其特征在于：步骤二具体包括如下步骤，

步骤S1，离线对DNN模型进行训练；

步骤S2，在线对DNN模型进行测试。

7.根据权利要求6所述的基于深度神经网络的MIMO-NOMA信号检测方法，其特征在于：步骤S1中，采用训练集对DNN模型以迭代寻最优解的方式进行训练。

8.终端装置，其特征在于：其包括权利要求1中的基于深度神经网络的MIMO-NOMA信号检测系统。