[发明专利]一种快速MIMO信号搜索方法、系统、设备及存储介质

权利要求书

1.一种快速MIMO信号搜索方法，其特征在于，包括以下步骤：

获取接收信号，并根据所述接收信号的信道矩阵构建决策树；

对所述决策树逐层搜索，在每一层的搜索中，将该层树节点的节点向量输入深度神经网络，得到对应树节点的启发值；

将所述启发值输入代价模型，得到对应树节点的代价值；

根据所述代价值进行搜索，并将最后一层代价值最小的树节点作为待恢复真实信号的检测结果。

2.如权利要求1所述的一种快速MIMO信号搜索方法，其特征在于，所述获取接收信号，并根据所述接收信号的信道矩阵构建决策树的步骤，包括：

在接收端获取接收信号，所述接收信号具体为：

y＝H*s+w

式中，y表示接收信号，H表示信道矩阵，s表示待恢复真实信号，w表示系统噪声；

对信道矩阵H进行QR分解，得到：

式中，m表示发射端天线的数量，n表示接收端天线的数量，R∈C^m×m表示上三角矩阵，Q₁∈C^n×m和Q₂∈C^n×(n-m)均为正交列矩阵；

根据所述正交列矩阵构建决策树。

3.如权利要求1所述的一种快速MIMO信号搜索方法，其特征在于，所述深度神经网络的训练过程包括：

随机采样一个批次的样本数据，并将所述样本数据输入深度神经网络，得到对应各个树节点的代价值；

根据所述代价值计算所述样本数据的平均损失值；

根据所述平均损失值计算得到神经网络参数对应的梯度，并利用随机梯度下降法对所述神经网络参数进行迭代，得到更新后的神经网络参数；

每间隔一定步长后，对所述更新后的神经网络参数进行镜像同步得到神经网络镜像参数，直到达到预设的最大的迭代次数。

4.如权利要求3所述的一种快速MIMO信号搜索方法，其特征在于，在训练所述深度神经网络时，所述平均损失值的计算公式为：

其中，

式中，γ表示平均损失值，β表示采样的一个批次的样本数据，θ表示神经网络的参数，表示神经网络的镜像参数，T表示每个批次包含的时隙个数，m表示发射端天线的数量，表示第t个时隙采样得到的第k组样本数据，表示从根节点到叶子节点的路径上的第k个节点，是的父节点，是的所有子节点中代价最小的节点，即：

式中，s^k+1是s^k的任意子节点。

5.如权利要求1所述的一种快速MIMO信号搜索方法，其特征在于，所述代价模型具体为：

式中，f(s^k；θ)表示代价值，h(·；θ)表示深度神经网络所表达的非线性函数，x表示正交变换后的接收信号，R表示上三角矩阵，r_i，j表示上三角矩阵中的元素，s_j表示待恢复真实信号中的元素，θ表示神经网络参数，s^k表示决策树的第k层中的一个树节点。

6.如权利要求1所述的一种快速MIMO信号搜索方法，其特征在于：在仿真平台上，根据所述代价值进行搜索，并将从根节点出发到叶子节点的最短路径作为检测结果。

7.一种快速MIMO信号搜索系统，其特征在于，所述系统包括：

信号接收模块，用于获取接收信号，并根据所述接收信号的信道矩阵构建决策树；

信号检测模块，用于对所述决策树逐层进行搜索，在每一层的搜索中，将该层树节点的节点向量输入深度神经网络，得到对应树节点的启发值；

信号搜索模块，用于将启发值输入代价模型，得到对应树节点的代价值；

信号输出模块，用于根据所述代价值进行搜索，并将最后一层代价值最小的树节点作为待恢复真实信号的检测结果。