[发明专利]一种快速MIMO信号搜索方法、系统、设备及存储介质

说明书

本发明涉及无线通信技术领域，尤其涉及一种快速MIMO信号搜索方法、系统、设备及存储介质，包括：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。本发明通过将神经网络与搜索算法结合，不仅提高了最短路径搜索算法的效率，而且有效地降低其在大规模MIMO系统下的平均复杂度。

技术领域

本发明涉及无线通信技术领域，尤其涉及一种基于深度学习的快速MIMO信号搜索方法、系统、设备及存储介质。

背景技术

多输入多输出(MIMO)通信系统具有空间分集的优点，能够有效地满足下一代通信网络对高数据量的需求，为了支撑更大的系统传输容量，大规模MIMO系统已经称为未来无线网络系统的基本架构，在大规模MIMO系统中，最优检测的复杂度随着调制星座的大小和传输天线的数量呈现指数级增长，随着检测复杂度的增长，现有的基于最短路径搜索算法的最优检测技术的搜索效率会受到严重的影响，这使得大规模MIMO下的最优信号检测问题面临着巨大的挑战。因此，如何在大规模系统下有效的加速搜索算法的搜索效率的同时，使得其仍然能搜索到最优解，已然成为了一个亟待解决的关键科学问题。

近年来，随着计算能力的爆炸式增长，人工智能在无线通信领域的应用取得了巨大的发展，与传统的模型驱动的检测算法不同的是，基于数据驱动的人工智能算法可以通过数据来自适应的学习如何进行检测。因此，本发明提供了一种将深度学习技术与最短路径搜索算法相结合的新型信号检测方法，使得本发明在保持最短路径搜索算法的检测性能几乎不下降的同时，有效地降低其在大规模MIMO系统下的平均复杂度。

发明内容

本发明的目的是提供一种快速MIMO信号搜索方法、系统、设备及存储介质，在保证最短路径搜索算法的检测性能的同时，能够有效降低其在大规模MIMO系统下的平均复杂度。

为解决以上技术问题，本发明提供了一种快速MIMO信号搜索方法、系统、设备及存储介质。

第一方面，本发明提供了一种快速MIMO信号搜索方法，所述方法包括以下步骤：

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。

在进一步的实施方案中，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。

在进一步的实施方案中，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；