[发明专利]基于神经网络的信道均衡方法、译码方法及对应设备

摘要

本发明公开了一种基于神经网络的信道均衡方法和译码方法以及对应的设备，其中译码方法包括：S1：基于卷积神经网络，构建适用于存在码间干扰的线性信道均衡器以及非线性信道均衡器，利用反向传播算法对其进行训练得到最优解；S2：在卷积神经网络信道均衡器后面级联一个全连接的神经网络译码器，对经过信道均衡器后的恢复信号进行信道译码。本发明能够有效提升误码率性能，并且具有较强的自适应性。

主权项

1.一种基于神经网络的信道均衡方法，其特征在于包括：(1‑1)构建包含L个卷积层的卷积神经网络模型，其中：第一个卷积卷积层到第L‑1卷积层中每层实现以下操作：式中，是第n层卷积层的系数矩阵W⁽ⁿ⁾中所包含的第i个滤波器的第c行第k个元素，为未知的待训练参数，每个滤波器尺寸都为1×K，是第n层卷积层的输出特征图第i行第j列的元素，且I⁽⁰⁾＝r，r是接收端接收到的信号矢量，为第n层卷积层的第i个偏置系数，为未知的待训练参数，C_n为第n层卷积层的输入特征图的行数，此外第n‑1层的输出特征图即为第n层的输入特征图，σ(·)表示ReLU非线性单元，并且σ(·)＝max(0,·)；第L层卷积层实现以下操作：(1‑2)对构建的卷积神经网络模型进行训练，得到待训练参数的最优值，进而得到训练好的卷积神经网络；(1‑3)采用训练好的卷积神经网络对接收端接收到的信号矢量r进行处理，得到均衡后的估计信号