[发明专利]基于深度学习的MMTC系统的多节点接入检测和信道估计方法

摘要

本发明提供了一种基于深度学习的MMTC系统的多节点接入检测和信道估计方法，包括：根据MMTC所采用的调制方案，确定每个节点的导频序列，确定每个节点的信道冲击响应；按照一定的节点活跃度生成输入数据，再进一步生成用于训练深度神经网络的训练集和验证集以及用于测试模型性能的测试集，设计用于检测活跃用户的DNN和BRNN模型并仿真验证，根据模型的用户活跃度检测结果运用最小二乘法解线性方程组进行信道估计。本发明提出的信道估计方法在不同的导频长度和不同的活跃用户数目下，用户接入检测的准确率均高于传统方法，且极大的缩减了节点接入检测的时间。

主权项

1.一种基于深度学习的MMTC系统的多节点接入检测和信道估计方法，其特征在于，包括：/nS1：数据集准备；/n根据通信系统MMTC所采用的调制方案，确定每个节点的导频序列并生成相应的卷积矩阵，确认每个节点服从标准正态分布的信道冲击响应，得到信道矩阵；/n设置节点活跃度，由活跃节点的信道冲击响应和卷积矩阵生成输入数据，利用所述输入数据生成用于训练深度神经网络的训练集和验证集以及用于测试模型精确度的测试集；/nS2：训练深度学习模型；/n构建深度神经网络模型DNN和块阈值神经网络模型BRNN，并将所述训练集运用算法对所述DNN和BRNN进行训练，并在每个训练周期结束时通过所述验证集进行验证，用于调整训练方法，保存训练完成的DNN和BRNN模型；/nS3：活跃节点检测；/n使用测试集测试所述保存的DNN和BRNN模型检测活跃节点的准确率，输出活跃节点信息；/nS4：信道估计；/n根据S3中输出的活跃节点信息，运用最小二乘法解线性方程组进行信道估计；/n所述S1的数据集准备还包括：/n(1)根据MMTC系统中调制方案的星座点集合，确定每个节点的导频序列，得到所有节点的导频矩阵S＝[s