[发明专利]一种基于归一化流的信号检测方法

说明书

本发明公开了一种基于归一化流的信号检测方法，获取接收信号的噪声数据集，并根据噪声数据集获取混合高斯分布的归一化概率密度，根据混合高斯分布的归一化概率密度，获取服从归一化的混合高斯分布的潜在变量与噪声分量的关系，将噪声数据集输入神经网络中，并根据潜在变量与噪声分量的关系计算潜在变量，根据所计算的潜在变量，计算噪声数据集的损失函数集，根据损失函数集中最小的损失函数，寻找具有最大对数似然数的信号，完成对信号的检测。本发明通过混合高斯噪声来获取潜在的变量，进而能够通过神经网络训练得到的最大对数似然值，进一步则可获取到所期望检测的信号，其在使用时，能够在混合有高斯噪声的情况下，依旧具有良好的检测性能。

技术领域

本发明涉及一种基于归一化流的信号检测方法，属于无线传输领域技术领域。

背景技术

传统的信号检测算法多数为通过改造噪声进行检测，但在实际的通信场景中，信道环境恶劣，信道中的噪声很可能是非高斯的，例如混合高斯噪声，在这种情况下，传统的信号检测算法就会受到严重的影响，无法实现对信号检测精准检测，其难以满足目前对于高精度检测的需求。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域普通技术人员所公知的现有技术。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种基于归一化流的信号检测方法，以解决现有技术中对于信道中噪声为非高斯时，传统信号检测算无法实现高精度检测的技术问题。

为解决上述技术问题，本发明是采用下述技术方案实现的：

一种基于归一化流的信号检测方法，包括：

接收信号，获取包含有期待测信号的噪声数据集；

将噪声数据集输入预先训练的神经网络中计算潜在变量；

根据所计算的潜在变量，计算噪声数据集的损失函数集；

根据损失函数集中最小的损失函数，寻找具有最大对数似然数的信号，得到期待信号；

其中，所述神经网络的训练包括：

根据噪声数据集获取混合高斯分布的归一化概率密度；根据混合高斯分布的归一化概率密度，获取服从归一化的混合高斯分布的潜在变量与噪声分量的关系；

所述神经网络根据潜在变量与噪声分量的关系计算潜在变量的数值。

作为本发明的一种优选技术方案，所述噪声数据集的计算公式为：

其中，y为M维的接收向量，H为M×K维的空域CSI矩阵，x为k维的发射信号向量，为各终端的总发射功率；

H＝[h₁,h₂,…h_k]

其中，n为噪声分量，hk为第K个用户的信道脉冲响应。

作为本发明的一种优选技术方案，所述信道脉冲响应的计算公式为：

其中，L为多径信道的路径总数，β_k为第k个用户在第l个路径上的路径损耗，e(v₁)为水平方向上的导向矢量，e(u₁)为垂直方向上的导向矢量；

其中，M_v为垂直方向上的天线数，M_h为水平方向上的天线数。

作为本发明的一种优选技术方案，根据所述混合高斯分布的归一化概率密