[發明專利]SCMA系統的DNN解碼方法及解碼通信設備

有效

• 申請號: 201811547598.0
• 申請日: 2018-12-18
• 公開（公告）號: CN109787715B
• 公開（公告）日: 2021-01-19
• 發明（設計）人: 林進摯;趙希敏;胡金星
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: H04L1/00
• 分類號: H04L1/00;G06N3/04
• 代理公司: 深圳市科進知識產權代理事務所(普通合伙) 44316
• 代理人: 曹衛良

本發明公開了一種SCMA系統的DNN解碼方法及解碼通信設備，其包括S1、搭建SCMA系統以及獲得訓練樣本數據集；S2、建立基于深度神經網絡的SCMA解碼器模型；S3、訓練上述SCMA解碼器模型；以及S4、部署SCMA解碼器模型，并通過所述SCMA解碼器模型對SCMA信號進行解碼。本發明可在不增加SCMA解碼器復雜度的前提下提高SCMA解碼準確率，相對于傳統基于MPA算法的SCMA解碼器而言，本發明中基于DNN的SCMA解碼器在計算復雜度與解碼誤碼率方面性能都有所提升。

技術領域

本發明涉及無線通信領域，具體為一種SCMA系統的DNN解碼方法及解碼通信設備。

背景技術

傳統SCMA(Sparse Code Multiple Access，SCMA，稀疏碼多址接入)解碼器采用消息傳遞算法(Message Passing Algorithm,MPA)，結合先驗概率，利用因子圖在用戶節點和資源節點之間迭代更新后驗概率消息，以盡可能準確地解析原多用戶發送的碼字。相比于最大似然算法(Maximum Likelihood，ML)檢測，MPA解碼器的算法復雜度雖有所降低，但硬件實現依然較為困難，其復雜度隨用戶數量成指數級增長，從而導致解碼效率低，不能滿足未來5G系統的部署需求。

發明內容

(一)解決的技術問題

針對現有技術的不足，本發明提供了一種基于深度神經網絡(Deep NeuralNetwork，DNN)的SCMA信號解碼方法及解碼通信設備，其可以大幅降低解碼器的復雜度，同時其便于操作，由此提高解碼效率和性能。

(二)技術方案

為實現上述目的，本發明提供如下技術方案：

一方面，提出一種SCMA系統的DNN解碼方法，其包括如下步驟:

S1、搭建用于產生SCMA信號的SCMA系統，以及在將SCMA信號發送裝置的源碼字與SCMA信號接收裝置接收到的SCMA信號數據進行關聯后獲得訓練樣本數據集；

S2、建立基于深度神經網絡的SCMA解碼器模型；

S3、根據所述訓練樣本數據集訓練上述SCMA解碼器模型；

以及S4、將訓練后的SCMA解碼器模型加載至解碼平臺，并通過所述SCMA解碼器模型對SCMA信號進行解碼。

優選的，所述步驟S1包括：

S1.1、搭建用于產生SCMA信號的SCMA系統，以及搭建SCMA發送機和SCMA接收機，記錄并存儲SCMA發送機的源碼字，并通過SCMA發送機將所述SCMA系統產生的SCMA信號發送至物理環境中；

S1.2、SCMA接收機接收物理環境中的SCMA信號，且記錄并存儲SCMA信號數據；

S1.3、將SCMA發送機的源碼字與SCMA接收機存儲的SCMA信號數據進行關聯，記錄并存儲關聯結果數據；

S1.4、重復步驟S1.1-1.3，記錄并存儲每次重復得到的關聯結果數據，以此得到不同信噪比條件下的信號數據集；

以及S1.5、整理不同信噪比條件下的信號數據集中的源碼字以及與其關聯的SCMA信號數據，由此得到所述訓練樣本數據集。

優選的，所述步驟S2包括：

S2.1、建立解碼器的輸入層，且所述輸入層包括至少一個用于接收SCMA信號數據的資源塊；

S2.2、建立解碼器的隱藏層，并通過下述公式(1)完成所述隱藏層的數據輸出，