[發明專利]信號檢測及模型訓練方法、裝置、設備及存儲介質

在審

• 申請號: 202110675785.2
• 申請日: 2021-06-21
• 公開（公告）號: CN113971430A
• 公開（公告）日: 2022-01-25
• 發明（設計）人: 李新增;金婕;馬天鳴;張嘉
• 申請（專利權）人: 上海工程技術大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/06;G06N3/08
• 代理公司: 北京致科知識產權代理有限公司 11672
• 代理人: 魏紅雅

本發明提供一種信號檢測及模型訓練方法、裝置、設備及存儲介質，該方法包括：對接收信號進行解調獲得對應的解調數據；對所述解調數據提取實部和虛部，形成所述解調數據對應的實數數據；將所述實數數據輸入到預先訓練獲得的目標深度學習網絡模型，獲得輸出結果；根據所述輸出結果，獲得原始發送信號的檢測結果。本發明通過采用深度學習網絡模型進行信道估計與均衡，自適應地學習通信信道狀態信息，避免虛部干擾影響，有效提高信號檢測的準確性。

技術領域

本發明涉及通信技術領域，尤其涉及一種信號檢測及模型訓練方法、裝置、設備及存儲介質。

背景技術

隨著通信技術的飛速發展，當前已進入5G時代，在5G時代，相對于LTE(Long TermEvolution，長期演進)的OFDM(Orthogonal Frequency Division Multiplexing，正交頻分復用)技術，FBMC(Filter Bank Multi-Carrier，濾波器組多載波)系統不需要循環前綴、帶外泄露低、頻譜效率高，因而具有更優越的穩定性、時頻聚焦性和更高的頻譜利用率。但是，由于FBMC系統僅在實數域上滿足嚴格正交，存在固有的虛部干擾，OFDM系統中的信道估計方法無法直接用于FBMC系統中來實現信號的檢測。

針對這一問題，現有技術中通常基于給出的導頻結構采用最小二乘信道估計、MMSE均衡算法以及MMSE均衡需要的噪聲估計方法來實現信道估計及均衡，但是現有的信道估計及均衡方法對傳輸信號的檢測結果準確性較低。

發明內容

本發明實施例提供一種信號檢測及模型訓練方法、裝置、設備及存儲介質，以解決現有技術傳輸信號檢測結果準確性較低的問題。

第一個方面，本發明實施例提供一種信號檢測方法，包括：

對接收信號進行解調獲得對應的解調數據；

對所述解調數據提取實部和虛部，形成所述解調數據對應的實數數據；

將所述實數數據輸入到預先訓練獲得的目標深度學習網絡模型，獲得輸出結果；

根據所述輸出結果，獲得原始發送信號的檢測結果。

第二個方面，本發明實施例提供一種信號檢測的模型訓練方法，包括：

獲取訓練數據集，所述訓練數據集包括訓練輸入數據和訓練監督數據；

采用所述訓練數據集對預先建立的深度學習網絡進行訓練，當訓練輸出結果相對于所述訓練監督數據的損失達到第二預設條件時，結束訓練，獲得訓練好的目標深度學習網絡模型。

第三個方面，本發明實施例提供一種信號檢測裝置，包括：

解調模塊，用于對接收信號進行解調獲得對應的解調數據；

提取模塊，用于對所述解調數據提取實部和虛部，形成所述解調數據對應的實數數據；

檢測模塊，用于將所述實數數據輸入到預先訓練獲得的目標深度學習網絡模型，獲得輸出結果；

處理模塊，用于根據所述輸出結果，獲得原始發送信號的檢測結果。

第四個方面，本發明實施例提供一種電子設備，包括：存儲器、收發器及至少一個處理器；

所述處理器、所述存儲器與所述收發器通過電路互聯；

所述存儲器存儲計算機執行指令；所述收發器，用于接收發送端發送的信號；

所述至少一個處理器執行所述存儲器存儲的計算機執行指令，使得所述至少一個處理器執行如上第一個方面以及第一個方面各種可能的設計所述的方法，以及執行如上第二個方面以及第二個方面各種可能的設計所述的方法。