[发明专利]基于卷积神经网络降低信道译码误码率的方法

权利要求书

1.一种基于卷积神经网络降低信道译码误码率的方法，其特征在于：利用一维卷积神经网络1对接收信号进行信道估计，利用一维卷积神经网络2对接收信号进行噪声估计，充分利用信道相关性的特点，一维卷积神经网络从接收信号中挖掘相关性特征，将信道增益和信道噪声从接收信号中提取出来；

通过通信系统获取训练数据，利用最小均方误差构建损失函数，通过梯度下降方法进行权重更新，直到损失函数收敛，获取最终权重，构建出神经网络信道估计器，对于获得的估计信道增益，和信道噪声，通过信号降噪处理，再通过统计残余噪声分布，并同估计信道增益一同构建出重新定义的对数似然比；

利用一维卷积神经网络构建信道和噪声估计器，神经网络的各层均有一维卷积神经网络构成，卷积层的卷积核根据其稀疏连接和权重共享的特效，逐层抽取特征信息，最终从接收信号中分离出信道增益，一维卷积神经网络可以极大的缩减训练参数量，同时可以兼顾良好的特征提取性能。