[发明专利]一种基于级联结构的深度学习网络OFDM信号检测方法

摘要

本发明涉及一种基于级联结构的深度学习网络OFDM信号检测方法，由两部分检测装置级联而成，检测数据首先通过迫零解相关器预处理后，送入深度学习网络处理得到检测完成的数据。通过级联迫零解相关器进行数据预处理的方式，使得深度学习网络的网络参数在训练更新的过程中，能够收敛至性能更优的解；对于多子载波场景，则采用具有滑动结构的级联检测器以降低实现复杂度；深度学习网络的训练算法为Adam算法，采用小批量梯度下降方式并使用一种改进的最小二乘函数作为损失函数，上述超参数及损失函数都针对本结构进行了对应优化，使得检测网络参数收敛至检测性能更优的解。

主权项

1.一种基于级联结构的深度学习网络OFDM信号检测方法，用于针对经过多径衰落信道的待检测OFDM信号进行实时检测，其特征在于，针对实时所获得的待检测OFDM信号，执行如下步骤：步骤A.接收待检测OFDM信号，并针对该待检测OFDM信号进行迫零解相关预处理，获得预处理待检测OFDM信号，然后进入步骤B；步骤B.将该预处理待检测OFDM信号输入预设深度学习网络中，进行进一步均衡处理，获得OFDM信号检测结果，然后进入步骤C；步骤C.以该OFDM信号检测结果所对应的频域发送信号为输入，该OFDM信号检测结果为输出，基于该OFDM信号检测结果所对应频域发送信号与该OFDM信号检测结果之间欧氏距离最小为目标的训练方向，针对该深度学习网络进行训练，更新获得深度学习网络，然后返回步骤A。