[发明专利]一种基于深度神经网络的MIMO迭代检测方法

权利要求书

1.一种基于深度神经网络的MIMO迭代检测方法，其特征在于，包括如下步骤：

1)利用存储设备，保存一段时间内接收端接收到的发射端发射的经过信道传输和噪声干扰的接收信号以及对应的信道状态信息；

2)基于QL分解对信道模型进行等价转换，得到等价的信号观测和信道状态信息；

3)基于循环神经网络(Recurrent neural network，RNN)的特性迭代求解发射信号向量；

4)在每次迭代中，将MIMO检测问题看作机器学习中的分类问题，基于转换后的信道模型，使用长短时记忆神经网络(Long short-term Memory Network，LSTM)依次求解发射信号向量中每一个分量取所有星座点的概率；

5)使用混合信噪比下等价的信号观测和信道状态信息训练网络，利用训练好的神经网络模型恢复任意信道以及不同信噪比下的发射信号。

2.根据权利要求1所述基于深度神经网络的MIMO迭代检测方法，其特征在于，所述步骤2)中转换方式如下：

原始的MIMO信道模型为：

y＝Hs+n (1)

其中为发射信号向量，N_t为发射端发射天线数，第i个分量s_i∈A＝{x₁，x₂，…，x_i，…，x_M}＝{-M+1，-M+3，…，-M+2i-1，…，M-1}，x_i＝-M+2i-1，A表示星座点集合，M表示星座点个数，M的取值与调制方式有关，例如，在QPSK调制方式下，A＝{-1，1}，M＝2；为接收信号向量，N_r为接收端接收天线数，为信道矩阵，表示加性高斯白噪声；

对信道矩阵H进行QL分解，即H＝QL，其中，为正交矩阵，满足QQ^T＝I，I表示单位矩阵；为下三角矩阵，则原始的信道模型写为：

y＝Hs+n＝QLs+n (2)

方程两边同时乘以Q^T，则转化为：Q^Ty＝Ls+Q^Tn；

令则信道模型转化为如下方程：

其中，此时，和L分别表示等价的接收信号和信道状态信息。

3.根据权利要求2所述基于深度神经网络的MIMO迭代检测方法，其特征在于，所述步骤3)中，t时刻循环神经网络的输出即为MIMO检测问题中第t次迭代得到的解s_t，