[發明專利]神經網絡訓練方法及裝置、MIMO均衡器與方法、可讀介質

有效

• 申請號: 202110689621.5
• 申請日: 2021-06-22
• 公開（公告）號: CN113438190B
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 陳杰男;吳其諜;代維杰;陶繼云;彭一峰
• 申請（專利權）人: 電子科技大學
• 主分類號: H04L25/03
• 分類號: H04L25/03;G06N3/08
• 代理公司: 四川力久律師事務所 51221
• 代理人: 韓洋

本發明公開了一種神經網絡訓練方法及裝置、MIMO均衡器與方法、可讀介質，應用于MIMO系統中的接收端信號均衡中，包括：初始化全連接神經網絡的權重值，采用訓練樣本集對全連接神經網絡進行訓練，其中，訓練樣本集包括：樣本輸入數據及其對應的標簽數據，其中樣本輸入數據為MIMO接收端的接收信號向量，標簽數據為MIMO發射端的發射信號向量；其中，全連接神經網絡包括：前向傳播器以及基于概率算法搭建的硬件后向訓練器。本發明通過在處理器中搭建神經網絡的前向傳播器，并利用概率計算搭建相應的后向訓練硬件電路以替換傳統神經網絡中的后向訓練器，以進一步簡化神經網絡的硬件架構，減少神經網絡訓練過程的硬件開銷，提高網絡訓練效率。

技術領域

本發明涉及MIMO通信技術領域，尤其是一種神經網絡訓練方法及裝置、MIMO均衡器與方法、可讀介質。

背景技術

MMSE(minimum-mean square error)是MIMO系統中常用的均衡方法，MMSE均衡器考慮了噪聲的影響，能夠有效的解決ZF均衡算法中的噪聲放大問題，但在計算上會比ZF復雜。在MMSE均衡器中，會涉及到復雜的矩陣求逆過程。

假設接收端接收到的信號向量為y(N_r×1的向量)，信道矩陣為H(N_r×N_t的矩陣)，發射信號為s(N_tx1的向量)，信道噪聲為n，則信道模型為：(Nr：接收端的天線數；Nt：發射端的天線數)

y＝Hs+n

在接收端的MMSE均衡器會按下式進行信道均衡：

W＝(H^HH+σ²I)^-1H^H

其中，H是信道矩陣，HH為信道矩陣的共軛轉置矩陣，為接收端進行均衡后的接收信號估計值，σ²表示噪聲功率。由于發射端和接收端的天線數量不同，導致H不為方陣，進而導致在MMSE均衡中無法求得矩陣的傳統逆矩陣，需要求解復雜矩陣H^HH+σ²I的廣義逆矩陣。

由此可知，傳統的MMSE均衡器中廣義逆矩陣求解過程運算量較大，且與系數矩陣的尺寸大小有關，其計算復雜度達到O(n³)，其中n為系數矩陣的列寬或者行寬。因此，在大規模MIMO中，由于天線數量的增多導致矩陣尺寸變大，求解廣義逆矩陣將會帶來極大的開銷。目前研究人員提出的關于降低廣義逆矩陣求解復雜度的方法大多基于傳統的矩陣理論，所獲得的增益較小，對于大尺度矩陣的廣義逆求解問題依然存在局限性。例如，申請號為2018103680876的中國專利，其公開了一種基于5G通信網絡的MIMO檢測均衡方法及系統，其通過蟻群算法選擇發射信號與接收信號，以減少數據量，從而減少傳統MMSE均衡因子(廣義逆矩陣)的計算量，但是其并未改變MMSE本身的算法復雜度。