[发明专利]基于深度学习的通信方法、装置及系统

权利要求书

1.一种通信装置，其特征在于，包括：

通信单元，用于接收来自第一无线通信设备的第一码字，所述第一码字根据所述第一无线通信设备估计的信道矩阵确定；

处理单元，用于通过基于深度学习的去噪网络对所述第一码字去噪，并根据去噪后的所述第一码字确定所述信道矩阵对应的重构信道矩阵；所述去噪网络包括全连接单元和跨层连接，所述全连接单元用于从所述第一码字中提取噪声，所述跨层连接用于将所述第一码字与所述全连接单元提取的所述噪声作差得到对所述第一码字去噪处理后的结果；

所述通信单元，还用于根据所述重构信道矩阵，向所述第一无线通信设备发送消息。

2.根据权利要求1所述的通信装置，其特征在于，所述处理单元用于通过基于深度学习的去噪网络对所述第一码字去噪，具体包括：

在确定接收的所述第一码字的信号质量小于阈值时，通过基于深度学习的去噪网络对所述第一码字去噪。

3.根据权利要求1所述的通信装置，其特征在于，所述处理单元，用于通过基于深度学习的去噪网络对所述第一码字去噪，具体包括：

所述处理单元，用于确定与所述第一码字的长度对应的基于深度学习的去噪网络，并通过对应于所述第一码字的长度的基于深度学习的去噪网络对所述第一码字去噪。

4.根据权利要求1至3任一所述的通信装置，其特征在于，所述通信单元，还用于根据所述重构信道矩阵，向所述第一无线通信设备发送消息，具体包括：

根据所述重构信道矩阵对发送波束进行波束赋形，并通过所述发送波束向所述第一无线通信设备发送消息。

5.根据权利要求1至3任一所述的通信装置，其特征在于，所述基于深度学习的去噪网络采用sigmoid激活函数，且满足KL散度稀疏约束。

6.根据权利要求1至3任一所述的通信装置，其特征在于，所述第一码字为经过所述第一无线通信设备通过编码模块将所述信道矩阵编码后传输至所述通信装置的码字；

所述处理单元具体用于：

通过解码模块对去噪后的所述第一码字进行解码，获得所述信道矩阵对应的重构信道矩阵。

7.根据权利要求6所述的通信装置，其特征在于，所述处理单元还用于：

对所述编码模块、所述解码模块以及所述去噪网络分别进行训练；

将训练后的所述编码模块、训练后的所述解码模块以及训练后的所述去噪网络进行联合训练。

8.一种通信装置，其特征在于，包括：

基带处理器，用于接收来自第一无线通信设备的第一码字，所述第一码字根据所述第一无线通信设备估计的信道矩阵确定；

神经网络处理器，用于通过基于深度学习的去噪网络对所述第一码字去噪；所述去噪网络包括全连接单元和跨层连接，所述全连接单元用于从所述第一码字中提取噪声，所述跨层连接用于将所述第一码字与所述全连接单元提取的所述噪声作差得到对所述第一码字去噪处理后的结果；

所述基带处理器，用于根据去噪后的所述第一码字确定所述信道矩阵对应的重构信道矩阵；根据所述重构信道矩阵，向所述第一无线通信设备发送消息。

9.根据权利要求8所述的通信装置，其特征在于，所述神经网络处理器用于通过基于深度学习的去噪网络对所述第一码字去噪，具体包括：

在确定接收的所述第一码字的信号质量小于阈值时，通过基于深度学习的去噪网络对所述第一码字去噪。

10.根据权利要求8所述的通信装置，其特征在于，所述神经网络处理器，用于通过基于深度学习的去噪网络对所述第一码字去噪，具体包括：

所述神经网络处理器，用于确定与所述第一码字的长度对应的基于深度学习的去噪网络，并通过对应于所述第一码字的长度的基于深度学习的去噪网络对所述第一码字去噪。