[发明专利]一种基于深度学习与SDR算法的MIMO检测方法及装置在审
| 申请号： | 201910768274.8 | 申请日： | 2019-08-20 |
| 公开（公告）号： | CN110518945A | 公开（公告）日： | 2019-11-29 |
| 发明（设计）人： | 沈弘;黄彦;赵春明 | 申请（专利权）人： | 东南大学 |
| 主分类号： | H04B7/0413 | 分类号： | H04B7/0413;H04B17/00;G06N3/04;G06N3/08 |
| 代理公司： | 32204 南京苏高专利商标事务所(普通合伙) | 代理人： | 孟红梅<国际申请>=<国际公布>=<进入 |
| 地址： | 211189 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习与SDR算法的MIMO检测方法及装置。该方法首先随机生成训练用的信道矩阵与发射信号，计算出对应的接收信号，然后利用现有的SDR算法，由接收信号与信道矩阵得到发射符号估计值。在训练阶段，将预先产生的信道矩阵和接收信号作为深度神经网络输入，将传统半定松弛检测得到的发射符号估计值作为深度神经网络输出，并采用均方误差作为训练代价函数。在MIMO检测阶段，将实际的信道矩阵和接收信号作为深度神经网络输入，根据训练阶段得到的网络参数输出检测结果。本发明检测性能接近半定松弛检测且能够有效降低传统半定松弛检测的在线计算复杂度，利于工程实现。 | ||
| 搜索关键词： | 信道矩阵 松弛检测 神经网络输入 发射符号 训练阶段 算法 神经网络输出 代价函数 发射信号 工程实现 均方误差 输出检测 随机生成 网络参数 在线计算 复杂度 检测 学习 | ||
【主权项】：
1.一种基于深度学习与SDR算法的MIMO检测方法，其特征在于，所述方法包括以下步骤：/n(1)随机生成发射信号与对应的信道矩阵，计算出接收信号；/n(2)利用半定松弛检测(SDR)算法，由接收信号与信道矩阵，计算出发射信号估计值，得到训练神经网络所需的样本数据；/n(3)以接收信号与信道矩阵作为神经网络输入，通过SDR算法得到的发射符号估计值作为神经网络的输出，利用训练样本数据以及随机梯度法更新深度神经网络参数并计算均方误差；/n(4)重复步骤(3)，直至均方误差收敛，结束深度神经网络的训练；/n(5)根据训练得到的深度神经网络进行MIMO检测，将实际的信道矩阵和接收信号作为训练得到的深度神经网络的输入，输出MIMO检测结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东南大学，未经东南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910768274.8/，转载请声明来源钻瓜专利网。
