[發明專利]一種基于深度去噪神經網絡的空間調制系統的工作方法

有效

• 申請號: 201911200906.7
• 申請日: 2019-11-29
• 公開（公告）號: CN110942100B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 張文勝;周鵬
• 申請（專利權）人: 山東大學
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06F18/24;G06N3/0499;G06N3/048;G06N3/082;G06N3/084;H04B7/0413;H04B7/0452
• 代理公司: 濟南金迪知識產權代理有限公司 37219
• 代理人: 許德山

1.一種基于深度去噪神經網絡的空間調制系統的工作方法，其特征在于，所述空間調制系統包括發射機、N_t根發射天線、N_r根接收天線、接收機、構建的深度去噪自編碼器模型；所述發射機使用的調制符號集合為調制階數為M；包括步驟如下：

(1)所述發射機將比特信息進行映射，經過串并轉換的比特信息映射為相應的信號向量x，x＝e_i·s，是第i個元素為1、其余元素為0的單位向量，調制符號表示N_t×1維的實數矩陣構成的集合；

(2)信號向量x激活第i根發射天線后發送調制符號s，經過衰落信道后，表示N_t×N_r維的復數矩陣構成的集合；接收機得到接收信號y，ρ是接收端的平均信噪比，x是信號向量，H是信道矩陣，是高斯白噪聲信道，服從分布是高斯分布，σ_n²是噪聲方差，σ_n是噪聲標準差；

(3)構建深度去噪自編碼器模型；深度去噪自編碼器模型包括依次連接的編碼器、解碼器、一個三層的前饋神經網絡分類器；編碼器的輸出作為解碼器的輸入，解碼器輸出重構的發射信號，重構的發射信號作為三層的前饋神經網絡分類器的輸入，三層的前饋神經網絡分類器中使用softmax分類函數為最后一層，作為三層的前饋神經網絡分類器的輸出層；包括步驟如下：

A、數據預處理：對接收信號y進行分解，如式(Ⅰ)所示：

式(Ⅰ)中，Re(·)表示各個元素的實部組成的矩陣，Im(·)表示各個元素的虛部組成的矩陣，H是信道矩陣，n是高斯白噪聲信道；

B、將步驟A預處理后的數據訓練深度去噪自編碼器模型，對發射信號進行重構，計算最小化重構的信號節點與噪聲干擾的信號節點的歐氏距離F₁，公式如式(Ⅱ)所示：

式(Ⅱ)中，d表示編碼器的輸出層的層數，a^d表示解碼器的輸出，w表示權重矩陣；

C、對步驟B重構的發射信號進行分類，采用交叉熵損失函數來度量輸出層的估計輸出和標簽q的距離即相似程度，交叉熵損失函數如式(Ⅲ)所示：

式(Ⅲ)中，batch是指每次送入深度去噪自編碼器模型訓練的部分數據樣本，q_i是指輸出層第i個樣本的預測輸出，α是指超參數，表示控制重構的程度；交叉熵損失函數衡量了在真實分布下，使用非真實分布所指定的策略消除系統的不確定性所需要付出的努力的大小；

D、利用反向傳播算法對交叉熵損失函數進行優化，加入dropout機制對深度去噪自編碼器模型進行訓練；

首先，在前向傳播階段，dropout機制訓練深度去噪自編碼器模型，根據概率p設置，將三層的前饋神經網絡分類器中隱含層的某些神經元失活，輸入層和輸出層的神經元保持不變；

然后，將隨機抽取一個每次送入深度去噪自編碼器模型訓練的部分數據樣本batch輸入到刪除神經元的深度去噪自編碼器模型進行前向傳播，計算出對應的損失函數值，將得到的損失函數值根據反向傳播計算未刪除神經元的輸入層和輸出層的梯度，沒有被刪除的神經元上按照隨機梯度下降法更新對應的參數，包括權重和偏置；

最后，對所有的樣本重復以下過程①至③，直至所述深度去噪自編碼器模型收斂：

①恢復被刪除的神經元；

②從隱含層中隨機選擇一半大小的子集臨時刪除掉；

③對一批訓練樣本，先前向傳播然后反向傳播，計算損失結果并根據隨機梯度下降法更新參數；

(4)利用步驟(3)構建的深度去噪自編碼器模型，利用仿真實驗的形式，實現對搜索到的信號進行判斷，通過對應的檢測技術恢復出發射比特。

2.根據權利要求1所述的一種基于深度去噪神經網絡的空間調制系統的工作方法，其特征在于，所述深度去噪自編碼器模型的輸出層，使用softmax分類函數對前一層的輸出進行激活，softmax分類函數如式(Ⅳ)所示：

式(Ⅳ)中，表示輸出層第k個訓練樣本的第j個神經元的輸出，x表示輸出層的輸入，w_j表示輸出層的權值矩陣的第j行，w_i表示輸出層的權值矩陣的第i行，C表示樣本的個數。

3.根據權利要求1或2所述的一種基于深度去噪神經網絡的空間調制系統的工作方法，其特征在于，利用反向傳播算法來優化交叉熵損失函數，交叉熵損失函數反向傳播的梯度如式(Ⅴ)所示：

式(Ⅴ)中，表示第k個樣本的softmax函數的第i維的輸入，F₂表示映射q為標簽，表示輸出層第k個樣本的第i個神經元的真實輸出、表示輸出層第k個樣本的第i個神經元的預測輸出。