[发明专利]一种基于模型驱动的深度信号检测方法

权利要求书

1.一种基于模型驱动的深度信号检测方法，其特征在于，包含以下几个步骤：

S1：系统初始化。获取信道矩阵，信噪比，发射端和接收端数目，以及迭代次数等参数。基于相关的研究，基于信道硬化特性，设置改进Richardson算法的初始值。

S2：模型驱动深度方法。当完成S1后即可开始执行模型驱动深度算法流程，即依次为模型，算法，网络。首先建立大规模MIMO多用户系统模型，在此基础上，展开改进Richardson检测算法迭代公式，设置松弛参数和权重参数为可学习参数，然后根据迭代次数确定网络层数，组建深度网络。

S3：网络训练。所提网络在不同的信噪比范围内进行训练和测试，需要随机生成不同信道噪声范围的训练样本来构造训练数据集。利用大规模多用户MIMO系统模型，随机地生产标签数据，分为训练集和测试集。选择训练集数据进行网络训练。训练过程中，首先使用高信噪比的训练样本对所提网络进行训练，以了解检测网络的内在结构。随后的训练过程中使用SNR较低的样本，以减少噪声造成的影响。并且对所提出的网络进行了逐层训练，开始训练单层网络，然后逐层增加，通过使用适当的层数，可以在检测性能和检测复杂度之间取得良好的平衡。

S4：生成模型。经过网络训练后，利用测试集进行验证性能，得到深度网络模型。

2.根据权利要求1所述的一种基于模型驱动的深度信号检测方法，其特征在于，所述步骤S1中：

获取信道矩阵，信噪比，发射端和接收端数目，以及迭代次数等参数。基于相关的研究，基于信道硬化特性，设置改进的Richardson算法的初始值。

3.根据权利要求1所述的一种模型驱动的深度信号检测方法，其特征在于，所述步骤S2中：

当完成S1后即可开始执行模型驱动深度算法流程，即依次为模型，算法，网络。首先建立大规模MIMO多用户系统模型，在此基础上，展开Richardson检测算法迭代公式，设置松弛参数和权重参数为可学习参数，然后根据迭代次数确定网络层数，组建深度网络。

4.根据权利要求1所述的一种模型驱动的深度信号检测方法，其特征在于，所述步骤S3中：

所提网络在不同的信噪比范围内进行训练和测试，需要随机生成不同信道噪声范围的训练样本来构造训练数据集。利用大规模多用户MIMO系统模型，随机地生产标签数据，分为训练集和测试集。选择训练集数据进行网络训练。训练过程中，首先使用高信噪比的训练样本对所提网络进行训练，以了解检测网络的内在结构。随后的训练过程中使用SNR较低的样本，以减少噪声造成的影响。并且对所提出的网络进行了逐层训练，开始训练单层网络，然后逐层增加，通过使用适当的层数，可以在检测性能和检测复杂度之间取得良好的平衡。

5.根据权利要求1所述的一种模型驱动的深度信号检测方法，其特征在于，所述步骤S4中：

经过网络训练后，利用测试集进行验证性能，得到深度网络模型。