[发明专利]基于深度学习的SCMA检测方法及相关设备

权利要求书

1.一种基于深度学习的SCMA检测方法，其特征在于，所述基于深度学习的SCMA检测方法包括：

根据信道信息对接收信号进行预处理，以消除幅值和相位失真；

根据预处理后的接收信号获得信道子网络的输入信号，通过所述信道子网络，将所述输入信号进行数据转化，再将多个信道子网络的输出信号进行拼接，获得拼接信号；

通过硬参数共享，根据所述预设神经网络模型对所述拼接信号进行检测，获得输入数据符号。

2.根据权利要求1所述的基于深度学习的SCMA检测方法，其特征在于，所述根据信道信息对接收信号进行预处理，具体包括：

控制所述接收信号除以所述信道信息，获得第一输入信号。

3.根据权利要求2所述的基于深度学习的SCMA检测方法，其特征在于，所述根据信道信息对接收信号进行预处理，具体还包括：

计算信道向量的模，获得第二输入信号。

4.根据权利要求3所述的基于深度学习的SCMA检测方法，其特征在于，所述根据预处理后的接收信号获得信道子网络的输入信号，具体包括：

将所述第一输入信号的实部、所述第一输入信号的虚部和所述第二输入信号拼接，获得所述输入信号。

5.根据权利要求1所述的基于深度学习的SCMA检测方法，其特征在于，所述通过硬参数共享，根据所述预设神经网络模型对所述拼接信号进行检测，具体包括：

通过硬参数共享提取所述拼接信号的通用特征和特定特征；

通过所述通用特征和所述特定特征，根据所述预设神经网络模型对所述拼接信号进行检测。

6.根据权利要求1所述的基于深度学习的SCMA检测方法，其特征在于，所述基于深度学习的SCMA检测方法，还包括：

通过交叉熵损失函数对所述预设神经网络模型进行优化。

7.一种基于深度学习的SCMA检测装置，其特征在于，所述基于深度学习的SCMA检测装置包括：

预处理模块，用于根据信道信息对接收信号进行预处理，以消除幅值和相位失真；

拼接模块，用于根据预处理后的接收信号获得信道子网络的输入信号，通过所述信道子网络，将所述输入信号进行数据转化，再将多个信道子网络的输出信号进行拼接，获得拼接信号；

检测模块，用于通过硬参数共享，根据所述预设神经网络模型对所述拼接信号进行检测，获得输入数据符号。

8.根据权利要求7所述的基于深度学习的SCMA检测装置，其特征在于，所述预处理模块包括：

控制单元，用于控制所述接收信号除以所述信道信息，获得第一输入信号。

9.根据权利要求8所述的基于深度学习的SCMA检测装置，其特征在于，所述预处理模块还包括：

计算单元，用于计算信道向量的模，获得第二输入信号。

10.根据权利要求9所述的基于深度学习的SCMA检测装置，其特征在于，所述拼接模块还用于：

将所述第一输入信号的实部、所述第一输入信号的虚部和所述第二输入信号进行拼接，获得所述输入信号。

11.根据权利要求7所述的基于深度学习的SCMA检测装置，其特征在于，所述检测模块还包括：

提取单元，用于通过硬参数共享提取所述拼接信号的通用特征和特定特征；

检测单元，用于通过所述通用特征和所述特定特征，根据所述预设神经网络模型对所述拼接信号进行检测。

12.一种智能终端，其特征在于，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于深度学习的SCMA检测程序，所述基于深度学习的SCMA检测程序被所述处理器执行时实现如权利要求1-6任意一项所述基于深度学习的SCMA检测方法的步骤。

13.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有基于深度学习的SCMA检测程序，所述基于深度学习的SCMA检测程序被处理器执行时实现如权利要求1-6任意一项所述基于深度学习的SCMA检测方法的步骤。