[发明专利]一种基于神经网络的MIMO系统信号接收方法

说明书

本发明公开了无线通信技术领域的一种基于神经网络的MIMO系统信号接收方法，旨在解决现有技术中MIMO系统接收信号失真的技术问题。所述方法包括如下步骤：采集获取MIMO系统的信道状态数据；设计获取神经网络；将信道状态数据输入神经网络对其进行训练；利用训练好的神经网络作为MIMO系统的信号接收机，用以接收处理信号。

技术领域

本发明涉及一种基于神经网络的MIMO系统信号接收方法，属于无线通信技术领域。

背景技术

随着无线通信系统的不断发展，用户业务需求日益增加，人们对于无线通信系统传输速率和传输质量的要求越来越高。通过引入多输入多输出(Multiple-InputMultiple-Output，简称MIMO)技术，可以显著提高无线通信系统的吞吐量，而MIMO系统的信号接收问题，是影响其性能的重要因素。目前常用的信号接收方法有迫零检测法(ZF)和最小均方误差检测法(MMSE)，然而ZF方法需要较高的信噪比才能保持较好的性能，MMSE方法虽具有较好的抗噪性能，但是算法复杂度较高，且两种算法均存在着不同程度接收信号失真的技术缺陷。

发明内容

本发明的目的在于克服现有技术中的不足，提供了一种基于神经网络的MIMO系统信号接收方法，包括如下步骤：

采集获取MIMO系统的信道状态数据；

设计获取神经网络；

将信道状态数据输入神经网络对其进行训练；

利用训练好的神经网络作为MIMO系统的信号接收机，用以接收处理信号。

进一步地，所述MIMO系统的信道状态数据，包括：信道矩阵、发送信号、信道噪声。

进一步地，设计获取神经网络，包括：

设计获取残差网络，所述残差网络包括卷积层；

将残差网络的卷积层改为全连接层。

进一步地，所述MIMO系统具有m个输入天线、n个输出天线，所述信道矩阵为m行n列矩阵，所述发送信号为m维列向量，所述信道噪声为n维列向量。

进一步地，将信道状态数据输入神经网络对其进行训练，还包括：对信道状态数据进行预处理，以降低所输入数据的维度。

进一步地，对信道状态数据进行预处理，包括：

基于信道矩阵、发送信号、信道噪声，建立接收信号模型；

将接收信号由矩阵形式转化为向量形式。

进一步地，接收信号的表达式为：

Y＝HS+N；

式中，Y为接收信号，H为信道矩阵，S为发送信号，N为信道噪声。

进一步地，将信道状态数据输入神经网络对其进行训练，包括：

以接收信号的向量形式作为神经网络的输入，以发送信号作为标签对神经网络进行有监督学习；

以预构建的损失函数最小为目标，利用优化器优化神经网络参数，获取训练好的神经网络。

进一步地，所述优化器为Adam优化器。

进一步地，所述损失函数为交叉熵损失函数。

与现有技术相比，本发明所达到的有益效果：本发明方法基于神经网络，充分利用了神经网络高速寻找优化解的特点，因而在MIMO系统接收端能够更加准确地恢复发送信号，有效解决了现有技术中的ZF和MMSE方法接收信号失真的技术缺陷；且无需信道状态估计过程，具有更快的处理反应速度和更强的适应性。

附图说明