[发明专利]基于卷积神经网络的低轨星地链路端到端稀疏码多址接入方法

权利要求书

1.基于卷积神经网络的低轨星地链路端到端稀疏码多址接入方法，其特征是：

信号发射方法包括以下步骤：

步骤一、构建基于CNN的编码器f^e(·)；

步骤二、利用步骤一构建的基于CNN的编码器f^e(·)实现从原始J个用户的原始信息到N个资源块的多维星座图映射，其中N＜J；

步骤三、将步骤二获得的N个资源块发射至信道；

它的信号接收方法包括以下步骤：

步骤四、接收端从信道接收所述步骤三发射的N个资源块；

步骤五、构建基于CNN的解码器；

步骤六、根据步骤五构建的基于CNN的解码器对步骤四接收的N个资源块进行解码，恢复出J个用户的原始信息；

完成一次基于卷积神经网络的低轨星地链路端到端稀疏码多址接入；

在发送端和接收端采用卷积神经网络CNN架构，所述卷积神经网络CNN架构包括卷积层、全连接(FC)层和激活函数，在FC层中，每个神经元都连接到上一层中的所有神经元，相反，在卷积层中，每个神经元仅连接到前一层中的对应相邻神经元，所述的对应相邻神经元称为神经元的接收场，并且同一层的权重由该层中的所有神经元共享；

设Z^(l-1)[n]和Z^(l)[n]分别被表示为CNN的第l层中的第i个神经元的输入和输出；则卷积层在第l层中第i个神经元的输出表示为：

其中：σ(·)代表激活功能；代表卷积系数，代表第l层第i个神经元的偏差矢量。

2.根据权利要求1所述的基于卷积神经网络的低轨星地链路端到端稀疏码多址接入方法，其特征在于步骤一中，构建的基于CNN的编码器f^e(·)是基于自编码AE结构的CNN的编码器。

3.根据权利要求2所述的基于卷积神经网络的低轨星地链路端到端稀疏码多址接入方法，其特征在于基于CNN的编码器f^e(·)由具有K个隐藏层的基本CNN单元组成，K为正整数；则基于CNN的编码器f^e(·)能够视为SCMA码字生成器，基本CNN单元的每个隐藏层均由权重矩阵、偏置矢量和激活函数组成；

基于CNN的编码器f^e(·)的输入数据是长度为M的数据流r，并且其中：r_j表示第j个用户的数据流；θ_e和θ_d分别定义为基于CNN的编码器f^e(·)和基于CNN的编码器f^e(·)的权重和偏置矢量，并且定义为基于CNN的编码器f^e(·)的从第j个用户的数据流到第n个资源块的星座映射。

4.根据权利要求3所述的基于卷积神经网络的低轨星地链路端到端稀疏码多址接入方法，其特征在于由基于CNN的编码器f^e(·)f^e(·)编码的第n个资源块的数据表示为：

其中：J个用户的数据流由基于CNN的编码器f^e(·)编码，并以数据长度N复用为：

5.根据权利要求1所述的基于卷积神经网络的低轨星地链路端到端稀疏码多址接入方法，其特征在于步骤六中、根据步骤五构建的基于CNN的解码器对步骤四接收的N个资源块进行译码，恢复出J个用户的原始信息的具体方法为：

步骤五一、CNN的解码器将接收的第n个资源块的接收信号写为：

式中：h_nj表示：第n个信道矢量，ω_nj表示：对应第j个用户的第n个资源块的信道噪声；

步骤五二、基于CNN的解码器根据从信道接收的信号y学习恢复获得J个用户原始信息。

6.根据权利要求5所述的基于卷积神经网络的低轨星地链路端到端稀疏码多址接入方法，其特征在于步骤五二中恢复获得J个用户的原始信息表示为：