[發明專利]MIMO系統信號檢測方法及系統

在審

• 申請號: 202010530489.9
• 申請日: 2020-06-11
• 公開（公告）號: CN111769975A
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 貢毅;鄭沛聰;曾媛;韓子棟
• 申請（專利權）人: 南方科技大學;鵬城實驗室
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L12/26;H04B7/0413;H04L25/02
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 黃廣龍

本發明公開了MIMO系統信號檢測方法及系統。涉及通信領域，其中，方法通過對接收信號和信道矩陣進行實數化，然后將實數化后的接收信號和信道矩陣輸入到訓練好的檢測網絡，得到估計信號，其中，檢測網絡為包含阻尼機制的近似消息傳遞算法網絡。本發明實施例提出的近似消息傳遞算法檢測網絡，相較于全連接神經網絡、卷積神經網絡、循環神經網絡，具有數據依賴性低、網絡結構可解釋、過擬合風險低、準確度高、復雜度低等優勢，通過在近似消息傳遞算法中加入阻尼機制，設置可學習的阻尼參數進一步加速檢測算法的收斂速度，降低了檢測網絡復雜度，同時提高檢測性能。

技術領域

本發明涉及通信領域，尤其是涉及一種MIMO系統信號檢測方法及系統。

背景技術

隨著無線通信技術的飛速發展，人們對高通信速率和可靠服務質量的通信需求不斷增 長。現有的頻帶資源越來越難以滿足無線通信的需求。MIMO技術通過在發送端與接收端配 備多根天線，產生多條傳輸路徑以對抗無線信道衰落，并利用傳輸信道所提供的空間自由度， 從而提升系統容量和鏈路可靠性，其主要特征為：在基站端部署大量的低成本、低功率的放 大器以及成百上千根天線，增加系統的空間自由度，基站可同時與眾多用戶在同一時頻資源 上通信，大幅提升頻譜效率。其中信號檢測是信號傳輸的逆過程，具體指在干擾環境下從接 收信號中準確地恢復出原始發送信號，它是MIMO系統設計和性能優化的一個重要環節。

通常MIMO系統的信號檢測方法可以分為兩類：線性檢測算法和非線性檢測算法。以 最小均方誤差為首的線性檢測算法在檢測過程中會引入信道矩陣求逆運算，對于大規模 MIMO系統來說，該檢測技術復雜度很高，且檢測性能一般。非線性檢測算法以及次優的檢 測雖然相較于線性檢測算法來說，檢測性能好而且避免了信道矩陣求逆的過程，但在檢測過 程中仍然需要大量的運算，復雜度依舊很高，不適合應用在大規模MIMO系統中，而基于 全連接神經網絡、卷積神經網絡、循環神經網絡的信號檢測網絡訓練過程訓練需要大量的標 記數據，積累和標記大量信息的過程不但費時而且成本高昂，而且上述網絡的泛化性和自適 應性較弱，當信道發生變化時，會導致網絡的檢測準確性大大降低。因此需要提出一種復雜 度低、檢測性能良好的MIMO系統信號檢測方法，降低數據量，提高泛化能力。

發明內容

本發明旨在至少解決現有技術中存在的技術問題之一。為此，本發明提出一種MIMO 系統信號檢測方法，能夠降低檢測過程復雜度，降低數據量，提高檢測性能和泛化能力。

第一方面，本發明的一個實施例提供了：一種MIMO系統信號檢測方法，包括：

對接收信號和信道矩陣進行實數化；

將實數化后的接收信號和信道矩陣輸入到訓練好的檢測網絡，得到估計信號；

所述檢測網絡為包含阻尼機制的近似消息傳遞算法網絡。

進一步地，還包括：通過判決函數將所述估計信號進行解調，根據不同的映射函數將所 述估計信號映射回信號空間。

進一步地，將每一次迭代過程都作為所述檢測網絡的一層，依次連接每一層，并在每一 層網絡中加入學習參數實現所述阻尼機制，所述學習參數包括：可訓練阻尼系數、均值參數、 均值訓練參數。

進一步地，訓練所述檢測網絡的過程包括：

根據估計信號與訓練集中發送信號計算均方誤差損失；

如果未滿足訓練終止條件，則對所述檢測網絡的網絡參數進行優化，縮小均方誤差損失。

進一步地，利用隨機梯度下降算法結合最小均方誤差對所述檢測網絡的網絡參數進行優 化。

第二方面，本發明的一個實施例提供了：一種MIMO系統信號檢測系統，包括：

實數化單元：用于對接收信號和信道矩陣進行實數化；