[發明專利]一種數據模型雙驅動的GFDM接收機及方法

有效

• 申請號: 201811049894.8
• 申請日: 2018-09-10
• 公開（公告）號: CN109246038B
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 金石;張夢嬌;高璇璇;溫朝凱
• 申請（專利權）人: 東南大學
• 主分類號: H04L25/02
• 分類號: H04L25/02;H04L1/00;H04L1/20;G06N3/08
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 徐瑩

1.一種數據模型雙驅動的GFDM接收機，其特征在于，包括：

信道估計模塊，用于利用深度學習的神經網絡對正交消息傳遞算法作為基礎的通信知識模型中的迭代參數進行優化訓練，得到信道估計神經網絡；及將包含發射導頻信息的矩陣X_p和接收的時域導頻向量y_p實數化后的結果作為信道估計神經網絡的輸入，并由信道估計神經網絡輸出頻域信道狀態信息的估計

信號檢測模塊，用于利用深度學習的神經網絡對正交消息傳遞算法作為基礎的通信知識模型中的迭代參數進行優化訓練，得到信號檢測神經網絡；及根據頻域信道狀態信息的估計得到復數時域循環信道矩陣及結合GFDM調制矩陣G得到等效信道矩陣H_equ，并將等效信道矩陣H_equ和接收的時域信號向量y_d實數化后的結果作為信號檢測神經網絡的輸入并輸出為一個GFDM符號的估計建立解映射神經網絡，將信號檢測神經網絡所輸出一個GFDM符號的估計作為輸入，輸出就作為原始比特信息的估計將解映射神經網絡的輸出與設定門限的大小進行判決，根據判決結果輸出原始比特信息的檢測結果

2.根據權利要求1所述數據模型雙驅動的GFDM接收機，其特征在于，所述信道估計神經網絡和解映射神經網絡的損失函數均定義為均方誤差損失函數。

3.根據權利要求2所述數據模型雙驅動的GFDM接收機，其特征在于，所述信道估計神經網絡中，均方誤差損失函數為：

其中，N是一個GFDM數據塊中總符號數，h是真實的頻域信道向量；為頻域信道狀態信息的估計對應的復數向量。

4.根據權利要求2所述數據模型雙驅動的GFDM接收機，其特征在于：所述解映射神經網絡中，均方誤差損失函數為：

其中，N是一個GFDM數據塊中總符號數，b是真實的比特向量；是原始比特信息的估計。

5.根據權利要求1所述數據模型雙驅動的GFDM接收機，其特征在于，所述信號檢測模塊中信號檢測神經網絡輸出時域循環信道矩陣為：

其中，為頻域信道狀態信息的估計對應的復數向量；F是歸一化的DFT矩陣。

6.根據權利要求1所述數據模型雙驅動的GFDM接收機，其特征在于，所述信號檢測模塊的等效信道矩陣H_equ為：

7.根據權利要求1所述數據模型雙驅動的GFDM接收機，其特征在于，所述信號檢測模塊中解映射網絡由若干個層數為兩層的全連接網絡串聯組成。

8.根據權利要求1所述數據模型雙驅動的GFDM接收機，其特征在于，所述信號檢測模塊中設定門限為0.5。

9.一種數據模型雙驅動的GFDM接收方法，其特征在于，包括以下步驟：

分別利用深度學習的神經網絡對正交消息傳遞算法作為基礎的通信知識模型中的迭代參數進行優化訓練，得到信道估計神經網絡和信號檢測神經網絡；

將包含發射導頻信息的矩陣X_p和接收的時域導頻向量y_p實數化后的結果作為信道估計神經網絡的輸入，并由信道估計神經網絡輸出頻域信道狀態信息的估計

根據頻域信道狀態信息的估計得到復數時域循環信道矩陣再結合GFDM調制矩陣G得到等效信道矩陣H_equ，并將等效信道矩陣H_equ和接收的時域信號向量y_d實數化后的結果作為信號檢測神經網絡的輸入并輸出為一個GFDM符號的估計

建立解映射神經網絡，將信號檢測神經網絡所輸出一個GFDM符號的估計作為輸入，輸出就作為原始比特信息的估計

將解映射網絡的輸出與設定門限的大小進行判決，根據判決結果輸出原始比特信息的檢測結果

10.根據權利要求9所述數據模型雙驅動的GFDM接收方法，其特征在于，所述輸出原始比特信息的檢測結果中元素屬于{0,1}。