[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

说明书

本发明公开了一种基于协作式时变双向循环神经网络的通信系统信号序列检测方法，其步骤包括：对通信系统接收端接收到的信号序列进行预处理，然后把预处理后的数据序列输入协作式时变双向循环神经网络，然后通过网络输出进行软判决。其中协作式时变双向循环神经网络隐含层的前后层之间为协作式结构，并且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，该方法更适用于通信系统的信号检测问题，提高了检测的正确率。

技术领域

本发明涉及通信系统信号检测技术领域，特别涉及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。

背景技术

在现代的数字通信系统中，信号检测是一个重要的组成部分。信号在发送端经过编码，调制之后发送出去，经过信道之后来到接收端，这时候接收端收到的信号是经过噪声干扰或者码间串扰的信号，所以就需要使用信号检测来对接收到的信号进行判决。在传统的无线通信中，利用的是电磁波来传输信息，传播机理可以由麦克斯韦方程组进行描述，所以可以使用数学公式建立信道的概率统计模型，进而可以依据信道的概率统计模型来设计信号检测算法。但是在一些新型的通信系统，例如水声通信、分子通信等，或者在信道状况比较复杂的传统系统中，就难以通过建立有效的描述信号传播的模型。所以在这些情况下，使用一种不依赖于信道的概率统计模型的方法来设计信号检测方法就具有重要的实际意义。

机器学习当中的深度学习比较适用于在难以进行信道建模的通信系统中的信号检测问题。深度学习的优势在于其隐藏层可以在一定的误差范围内拟合任何的函数，具有巨大的灵活性。而现有的神经网络结构并不完全适用通信系统信号检测问题，所以提出一种基于协作式时变双向循环神经网络的通信系统信号检测检测方法就具有重要意义。

发明内容

为了克服上述现有技术的不足，本发明的目的在于提供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，该方法可以提高信号检测的正确率。

为了实现上述目的，本发明采用的技术方案是：

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，