[发明专利]基于正则化流神经网络的信号检测方法

说明书

本发明公开了一种基于正则化流神经网络的信号检测方法，包括以下步骤：构建正则化流神经网络；获取若干个候选信号、与所述候选信号对应的接收信号以及信道状态信息；根据所述候选信号、所述接收信号和所述信道状态信息计算噪声向量；根据所述噪声向量采用所述正则化流神经网络计算所述若干个候选信号的似然度；将所述似然度满足预设要求的候选信号作为信号检测结果。本发明通过先计算信号的噪声向量，接着通过构建的正则化流神经网络根据计算得到的噪声向量计算若干个信号的似然度，并将似然度满足预设要求的候选信号作为信号检测结果，以在缺失噪声统计的情况下提高信号检测结果的准确性。本发明可广泛应用于神经网络技术领域。

技术领域

本发明涉及神经网络技术领域，尤其是一种基于正则化流神经网络的信号检测方法。

背景技术

多输入多输出(MIMO)通信系统具有空间分集的优点，能够有效地满足下一代通信网络对高数据量的需求。而现有的大部分检测方法主要研究特定的噪声模型，这些特定的噪声模型大都是解析的且方便处理的。但是，在实际场景下，通常很难去分析噪声的统计特性，特别是在噪声呈现出冲击性和复杂动态性时，更是难以分析其统计特性。例如，在长波通信、水下通信和多接入系统中，噪声往往会呈现出严重的冲击性。因此，现有的检测方法在缺失噪声统计的情况下，其检测性能会受到严重的影响，导致信号接收端无法对信号进行有效还原。

发明内容

为解决上述技术问题之一，本发明的目的在于：提供一种基于正则化流神经网络的信号检测方法，其能在缺失噪声统计的情况下提高信号检测结果的准确性。

本发明实施例提供了：

一种基于正则化流神经网络的信号检测方法，包括以下步骤：

构建正则化流神经网络；

获取若干个候选信号、与所述候选信号对应的接收信号以及信道状态信息；

根据所述候选信号、所述接收信号和所述信道状态信息计算噪声向量；

根据所述噪声向量采用所述正则化流神经网络计算所述若干个候选信号的似然度；

将所述似然度满足预设要求的候选信号作为信号检测结果。

进一步地，所述正则化流神经网络包括若干个子流；每个所述子流包括激活正则层、单元卷积层和交替放射耦合层。

进一步地，在所述采用所述正则化流神经网络计算所述若干个候选信号的似然度这一步骤之前，还包括正则化流神经网络的训练步骤；

所述正则化流神经网络的训练步骤包括：

获取训练样本集；

通过所述训练样本集，采用随机梯度下降法训练所述正则化流神经网络。

进一步地，所述训练所述正则化流神经网络，其具体为：

分别训练所述正则化流神经网络内的激活正则层、单元卷积层和交替放射耦合层的参数。

进一步地，所述根据所述噪声向量采用所述正则化流神经网络计算所述若干个候选信号的似然度，包括：

根据所述噪声向量采用所述正则化流神经网络计算所述若干个候选信号的隐变量；

根据所述隐变量计算所述若干个候选信号的似然度。

进一步地，所述获取若干个候选信号，其具体为：

穷举P^N个候选信号；其中，P为信号调制星座数，N为发射端天线数。

进一步地，所述获取若干个候选信号，包括：

根据任意第三方信号检测器获取信号初始估计值和预设错误符号数值；