[发明专利]一种基于机器学习的AMP检测改进方法

权利要求书

1.一种基于机器学习的AMP检测改进方法，其特征在于按以下步骤进行：

步骤A、将AMP检测迭代传递消息的过程构建为多层消息传递网络，并在传递消息过程中对AMP检测所传递的部分消息设置能供学习的参数；

步骤B、构建目标函数：以使AMP检测的发散概率的对数最小为目标设计目标函数，表述为目标函数，其中Ξ ^t 表示步骤A中所设置能供学习参数的集合，R^t 表示发散概率；利用实际应用场景的大数据，对步骤A中所设置的能供学习参数集合Ξ ^t 进行训练；

或以使发散概率与消息传递收敛时的估计误差之和的对数最小，表述为目标函数，其中Ξ ^t 表示步骤A中所设置能供学习参数的集合，R^t 表示发散概率，Ξ ^t 表示消息传递收敛时的估计误差；利用实际应用场景的大数据，对步骤A中所设置的能供学习参数集合Ξ ^t 进行训练；

实际应用场景的大数据为压缩感知场景的大数据或MIMO传输场景的大数据。

2.根据权利要求1所述的一种基于机器学习的AMP检测改进方法，其特征在于：所述能供学习参数包括：在消息传递过程中带入运算的压缩矩阵的系数、在消息传递过程中带入运算的压缩数据的系数、软阈值函数的阈值系数和软阈值函数输出值的系数。

3.根据权利要求1或2所述的一种基于机器学习的AMP检测改进方法，其特征在于：步骤A中AMP检测构建的多层消息传递网络中，每一层带入运算的压缩矩阵和压缩数据分别设置能供学习的系数，且各层的系数相同。

4.根据权利要求1或2所述的一种基于机器学习的AMP检测改进方法，其特征在于：步骤A中AMP检测构建的多层消息传递网络中，每一层的软阈值函数的阈值和软阈值函数输出值分别设置能供学习的系数，且各层的系数不同。