[发明专利]一种基于协作式时变双向循环神经网络通信信号检测方法

权利要求书

1.一种基于协作式时变双向循环神经网络通信信号检测方法，该通信系统的发送信号的有限集合为Γ＝{s₁,s₂,...,s_m}，有s₁,s₂,...,s_m共m种符号，通信系统发送端在k时刻的发送符号为x_k，定义在该时刻的发送信号为p_k＝[1(x_k＝s₁),1(x_k＝s₂),...,1(x_k＝s_m)]，其中1(·)代表指示函数，在p_k向量中，只有一个元素为1，其余的元素都为零，发送序列的长度为K，则发送序列为P_K＝[p₁,p₂,...,p_K]^T，通信系统的接收端在k时刻接收到的接收信号为y_k＝[u_k1,u_k2,...,u_kl]，该信号为一个长度为l的向量，则信号序列为Y_K＝[y₁,y₂,...,y_K]^T，其特征在于，该信号序列检测方法包括以下步骤：

1)对接收端接收到的序列进行去均值的预处理，首先计算出信号序列的平均值：

然后让接收序列中的每一个数据都减去该平均值得到数据序列I_K：

其中I_K＝[i₁,i₂,...,i_K]^T，

2)把数据序列I_K输入一个N层的使用协作式时变双向循环神经网络结构的神经网络中，该网络的输出层的神经元个数为m，网络中的神经元是RNN，GRU，LSTM其中的一种，神经网络在k时刻的输出为o_k＝[z_k1,z_k2,...,z_km]，其中z_ki代表的是在第k时刻的发送信号为s_i的概率，则神经网络输出的序列为O_K＝[o₁,o₂,...,o_K]^T；

3)把神经网络的输出序列O_K进行软判决，即对于k时刻输出o_k＝[z_k1,z_k2,...,z_km]来说，先找出则发送信号判定为则发送信号序列的判定为完成序列检测；

所述的步骤2)中所述的协作式时变双向循环神经网络结构包括以下部分：

1)该神经网络的输入序列为I_K＝[i₁,i₂,...,i_K]^T，其中对于k时刻，神经网络的输入为则神经网络的输入层的神经元个数为l；

2)神经网络的隐含层为N1，在神经网络隐含层前后层之间为协作式结构，在第k时刻，网络的第n层向n+1层传播的方式为：

其中为在第k时刻第n+1层的前向网络的输入，为在第k时刻第n+1层的后向网络的输入，为第k时刻第n层的前向网络的输出，为第k时刻第n层的后向网络的输出，为把第n层的输出组合起来的权值，m为协作长度，代表的是在第n层向n+1层传播的时候使用了第n层的当前时刻以及前m-1个时刻的输出进行协作；

3)在神经网络的最后一层的前后向网络进行合并的时候使用时变的权值来合并，得到神经网络最后的输出，在第k时刻神经网络的输出o_k为：

其中表示最后一层的前向网络的输出，表示最后一层的后向网络的输出，[·,·]表示把两个输出拼接在一起，W(k)表示时变的权值。

2.根据权利要求1所述的一种基于协作式时变双向循环神经网络通信信号检测方法，其特征在于，所述的时变的权值的获取方法为，构建一个全连接神经网络，把时间k作为输入，输出时变权值W(k)：

W(k)＝NN_fully(k) (6)

其中NN_fully(·)为全连接神经网络代表的函数。