[发明专利]一种利用软信息反馈的单比特大规模MIMO接收方法

权利要求书

1.一种利用软信息反馈的单比特大规模MIMO接收方法，其特征在于，所述接收方法包括如下步骤：

步骤S1、生成数据集；

步骤S2、构建第一深度展开神经网络，再使用步骤S1中生成的数据集对所述第一深度展开神经网络进行离线训练，得到训练后的第一深度展开神经网络，以及基于该训练后的第一深度展开神经网络得到的发射符号的LLR；其中，所述第一深度展开神经网络为基于深度展开技术将求解ML检测问题的梯度投影算法展开得到的神经网络，并且将算法的每次迭代作为该神经网络中的每一层；

步骤S3、构建第二深度展开神经网络，再使用步骤S1中生成的数据集以及步骤S2中得到的发射符号的LLR对所述第二深度展开神经网络进行离线训练，其中，所述第二深度展开神经网络为基于深度展开技术将求解MAP检测问题的梯度投影算法展开得到的神经网络，并且该神经网络在进行离线训练时，仅迭代一次；

步骤S4、重复步骤S3直到达到最大迭代次数，得到一组训练好的第二深度展开神经网络；

步骤S5、在线进行符号检测，接收机首先使用经所述第一深度展开神经网络得到的LLR，然后按序使用步骤S4中得到的经过训练后的第二深度展开神经网络不断更新LLR，最后输出符号检测结果。

2.根据权利要求1所述的一种利用软信息反馈的单比特大规模MIMO接收方法，其特征在于，所述步骤S1包括：

步骤S101、针对一实域系统模型，其表示为：

y＝sign(Hx+z) (1)

公式(1)中，其中，为量化函数，与分别表示复接收信号，复信道矩阵，复发射符号与复噪声，和分别表示取实部与虚部，y，H，x与z分别表示将与转换成实数后的接收信号，信道矩阵，发射符号与噪声，其中，y＝[y₁,…,y_2N]^T，(·)^T表示转置，y₁,…,y_2N表示y中的2N个元素，N表示基站天线的个数；

步骤S102、所述的数据集表示为一组权重矩阵G，其中，G＝diag(y₁,…,y_2N)H，diag(·)表示取输入向量元素作为对角元的对角阵。

3.根据权利要求2所述的一种利用软信息反馈的单比特大规模MIMO接收方法，其特征在于，所述步骤S2包括：

步骤S201、将所述求解ML检测问题的梯度投影算法描述为：

公式(2)中，x^(l+1)为第l+1次迭代得到的结果，x^(l)为第l次迭代得到的结果，α_l为迭代步长，为求鲁棒ML检测问题的梯度，其具体表达式为：其中，c为常数，ρ为信噪比，σ(·)表示Sigmoid函数；

步骤S202、基于用深度展开技术，将所述求解ML检测问题的梯度投影算法中的每次迭代展开为神经网络的每一层，其中，对于第l层的所述第一深度展开神经网络，其输出定义为x^(l)，该第一深度展开神经网络的总层数为L；

步骤S203、以所述权重矩阵G以及发射符号初始值x⁽⁰⁾作为该神经网络的输入，则该网络最后一层的输出为x^(L)，再将该输出x^(L)经过归一化处理得到放松为连续取值的发射符号估计值其中，

步骤S204、设定离线训练目标为最小化并且将所述步骤S1中生成的数据集对所述第一深度展开神经网络进行迭代训练，当满足最大迭代次数后，得到所述训练后的第一深度展开神经网络；

步骤S205、将步骤S204中得到的训练后的第一深度展开神经网络，其输出的放松为连续取值的发射符号估计值进行逐符号检测，最终得到发射符号x的估计值

步骤S206、根据步骤S205中得到的发射符号x的估计值计算其对数似然比LLR，表达式为：

公式(3)中，P(·)表示概率，与表示星座点，表示单个符号的估计值。