[发明专利]一种基于模型驱动的深度学习的新型单比特OFDM接收机在审

专利信息
申请号: 202011115068.6 申请日: 2020-10-19
公开(公告)号: CN112242969A 公开(公告)日: 2021-01-19
发明(设计)人: 徐友云;李大鹏;蒋锐 申请(专利权)人: 南京爱而赢科技有限公司
主分类号: H04L27/26 分类号: H04L27/26;G06N3/04;G06N3/08
代理公司: 无锡苏元专利代理事务所(普通合伙) 32471 代理人: 王清伟
地址: 210000 江苏省南京市栖*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 模型 驱动 深度 学习 新型 比特 ofdm 接收机
【权利要求书】:

1.一种基于模型驱动的深度学习的新型单比特OFDM接收机,其特征在于:由信道估计模块和信号检测模块组成,所述信道估计模块和信号检测模块先利用通信算法对输入数据进行初始化,然后利用神经网络对输出结果进行优化。

2.如权利要求1所述的基于模型驱动的深度学习的新型单比特OFDM接收机,其特征在于:

所述信道估计模块和信号检测模块的数据信号y(k)首先被单比特ADC进行单比特量化处理,接下来去除循环前缀(CP)并执行傅立叶变换(FFT),处理完成后的频域接收信号Yq(n)由如下公式表达:

其中,yq(k)表示量化后的接收信号,考虑到量化误差Q(n)和ISII(n),Yq(n)可以被表示成:

Yq(n)=X(n)H(n)+I(n)+Q(n)+W(n)

其中

3.如权利要求1或2所述的基于模型驱动的深度学习的新型单比特OFDM接收机,其特征在于:

频域接收信号Yq(n)分别经过信道估计模块和信号检测模块处理之后,可以获取到原始输入信号;

信道估计模块的输入由输入导频符号Xp(n)和接收的量化符号Yp,q(n)组成,通过LS子模块后,可以被表示为:

分解为实部和虚部,然后串联通过一个单隐藏层的神经网络,其输出为该层网络隐藏层数量设置为128,与实部和虚部分解组合而成的输入数组长度一致。

4.如权利要3所述的基于模型驱动的深度学习的新型单比特OFDM接收机,其特征在于:

信号检测模块的ZF子模块的输出可以被表达为:

其中YD,q(n)代表第n个子载波的量化接收符号;经过一个具备多个隐藏层的神经网络,每一层网络含有nl个神经元和一个偏差单元;每个神经元表示前一层输出值加权总和的非线性变换;该网络的输入数据可由下列公式表示:

该网络的输出可表示为:

L表示总层数,Wl为第l层和第l-1层的权重矩阵,bl为该网络结构第l层的偏差向量σ(·)代表激活函数。

5.如权利要求书1所述的基于模型驱动的深度学习的新型单比特OFDM接收机,其特征在于,将原始输入比特流s作为标签数据,通过减少s和之间的损失函数值对整个DL神经网络模型进行训练,在训练过程中不断优化每个神经元的权重和偏差值,直至损失函数值达到最小;

整个训练过程包括以下步骤:

S1、根据搭建OFDM系统模型;

S2、对信道估计模块和信号检测模块中的神经网络结构进行配置;

S3、开始对整个模型进行训练,训练和测试数据均在WINNER2信道条件下生成,在训练过程中监控损失函数值变化,同时监控不同信噪比(SNR)下的系统误码率曲线变化。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京爱而赢科技有限公司,未经南京爱而赢科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011115068.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top