[发明专利]一种基于深度学习的抗子载波间干扰的OFDM检测方法

摘要

本发明公开了一种基于深度学习的抗子载波间干扰的OFDM检测方法，可应用于高速移动的OFDM通信系统和毫米波段载波相位噪声较大的OFDM系统，可有效对抗多普勒频偏和相位噪声带来的子载波间干扰。本发明为逼近ML检测器，利用深度展开的方式基于投影梯度下降法设计了深度网络结构，训练算法为Adam算法，采用微小批次(batch)的训练方式，每个批次包含多个输入输出OFDM符号及对应的信道矩阵H，即每个批次反映了一段时间内信道的变化。通过训练先遍历一遍不同的信道信息，再循环使用这些信道信息进行深度学习，达到损失函数收敛到一个很小的值。利用训练好的深度检测网络解调OFDM信号，有效提高受较大多普勒频偏或相位噪声产生的子载波间干扰影响的OFDM系统检测的性能。

主权项

1.一种基于深度学习的抗子载波间干扰的OFDM检测方法，其特征在于，通过一种深度检测网络进行OFDM检测，其中，深度检测网络的结构为：式中，分别表示第k+1层、第k层网络的输出，H表示ICI信道矩阵，Y表示接收符号；表示由线性整流函数ρ(x)＝max{0,x}构造的分段函数，W_k、b_k、t_k均为第k层的网络参数。