[发明专利]一种智能信号检测模型的构建方法及应用

权利要求书

1.一种智能信号检测模型的构建方法，其特征在于，包括：

S1、获取多组包括发送信号、信道矩阵和接收信号的通信系统数据，并分别将各通信系统数据中的信道矩阵和接收信号转换成对应的图结构数据；

S2、以图结构数据为输入，对应的发送信号为输出，训练图神经网络模型，得到智能信号检测模型；

所述图神经网络模型包括聚合更新模块，用于通过多次迭代将每一个节点的全局特征与其邻居节点信息进行深度聚合；其中，在每一次迭代过程中，采用拉普拉斯算子与上一次迭代下的每一个节点全局特征分别相乘，得到每一个节点的中间特征后，输入至特征提取单元中进行深层特征提取，从而得到当前迭代下每一个节点的全局特征；

各节点的初始全局特征为对图结构数据中的各节点参数分别进行卷积运算后的结果；所述节点参数基于信道矩阵、接收信号和系统噪声系数构建得到。

2.根据权利要求1所述的智能信号检测模型的构建方法，其特征在于，所述特征提取单元包括：级联的DNN模块和GRU单元；

其中，所述DNN模块用于将节点中间特征分别输入至K个DNN网络中，并将所述DNN网络输出的结果进行求和后，输出至所述GRU单元中；K≥2。

3.根据权利要求1所述的智能信号检测模型的构建方法，其特征在于，所述图神经网络模型还包括：卷积模块和输出模块；

所述卷积模块用于对图结构数据中各节点参数分别进行卷积运算，得到各节点的初始全局特征，并输出至所述聚合更新模块中；

所述输出模块用于对所述聚合模块输出的各节点的全局特征分别进行特征映射，得到各节点所对应的发射符号的预测值，进而得到发送信号的检测结果。

4.根据权利要求1所述的智能信号检测模型的构建方法，其特征在于，所述拉普拉斯算子为对角线矩阵，为图结构数据的边特征矩阵，其元素e_ij＝h_i^T×h_j；h_i为信道矩阵的第i列；C为的列数。

5.根据权利要求1-4任意一项所述的智能信号检测模型的构建方法，其特征在于，步骤S1中构建图结构数据的方法，包括：基于每一组通信系统数据的信道矩阵，得到发射符号与接收符号之间的对应关系，并以发射符号为节点，通过将对应于同一接收符号的所有发射符号节点两两相连，构建对应的图结构数据。

6.根据权利要求1-4任意一项所述的智能信号检测模型的构建方法，其特征在于，对于图结构数据的第i个节点，其节点参数为：

f_i＝[y^Th_i,h_i^Th_i,σ²]

其中，y为接收信号；h_i为信道矩阵中的第i列信道向量；σ²为系统噪声系数。

7.根据权利要求1-4任意一项所述的智能信号检测模型的构建方法，其特征在于，所述步骤S1包括：根据通信系统的配置信息，随机生成多组发送信号x和信道矩阵H，并根据通信系统模型y＝Hx+n，获取对应的接收信号y；其中，n为系统噪声。

8.一种智能信号检测方法，其特征在于，包括：在通信系统的接收端获取到接收信号和信道矩阵后，转换成对应的图结构数据；并将图结构数据输入到智能信号检测模型中，得到发送信号的检测结果；

其中，所述智能信号检测模型采用权利要求1-7任意一项所述的智能信号检测模型的构建方法构建得到。

9.一种智能信号检测系统，其特征在于，包括：存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时执行权利要求8所述的智能信号检测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行权利要求1-7任意一项所述的智能信号检测模型的构建方法和/或权利要求8所述的智能信号检测方法。