一种基于神经网络的MIMO系统信号接收方法技术方案

本发明专利技术公开了无线通信技术领域的一种基于神经网络的MIMO系统信号接收方法，旨在解决现有技术中MIMO系统接收信号失真的技术问题。所述方法包括如下步骤：采集获取MIMO系统的信道状态数据；设计获取神经网络；将信道状态数据输入神经网络对其进行训练；利用训练好的神经网络作为MIMO系统的信号接收机，用以接收处理信号。

A signal receiving method of MIMO system based on Neural Network

The invention discloses a MIMO system signal receiving method based on neural network in the field of wireless communication technology, aiming to solve the technical problem of the MIMO system receiving signal distortion in the prior art. The method includes the following steps: acquiring the channel state data of MIMO system; designing and acquiring neural network; inputting the channel state data into neural network for training; using the trained neural network as the signal receiver of MIMO system for receiving and processing signals.

【技术实现步骤摘要】
一种基于神经网络的MIMO系统信号接收方法
本专利技术涉及一种基于神经网络的MIMO系统信号接收方法，属于无线通信

技术介绍
随着无线通信系统的不断发展，用户业务需求日益增加，人们对于无线通信系统传输速率和传输质量的要求越来越高。通过引入多输入多输出(Multiple-InputMultiple-Output，简称MIMO)技术，可以显著提高无线通信系统的吞吐量，而MIMO系统的信号接收问题，是影响其性能的重要因素。目前常用的信号接收方法有迫零检测法(ZF)和最小均方误差检测法(MMSE)，然而ZF方法需要较高的信噪比才能保持较好的性能，MMSE方法虽具有较好的抗噪性能，但是算法复杂度较高，且两种算法均存在着不同程度接收信号失真的技术缺陷。
技术实现思路
本专利技术的目的在于克服现有技术中的不足，提供了一种基于神经网络的MIMO系统信号接收方法，包括如下步骤：采集获取MIMO系统的信道状态数据；设计获取神经网络；将信道状态数据输入神经网络对其进行训练；利用训练好的神经网络作为MIMO系统的信号接收机，用以接收处理信号。进一步地，所述MIMO系统的信道状态数据，包括：信道矩阵、发送信号、信道噪声。进一步地，设计获取神经网络，包括：设计获取残差网络，所述残差网络包括卷积层；将残差网络的卷积层改为全连接层。进一步地，所述MIMO系统具有m个输入天线、n个输出天线，所述信道矩阵为m行n列矩阵，所述发送信号为m维列向量，所述信道噪声为n维列向量。进一步地，将信道状态数据输入神经网络对其进行训练，还包括：对信道状态数据进行预处理，以降低所输入数据的维度。进一步地，对信道状态数据进行预处理，包括：基于信道矩阵、发送信号、信道噪声，建立接收信号模型；将接收信号由矩阵形式转化为向量形式。进一步地，接收信号的表达式为：Y＝HS+N；式中，Y为接收信号，H为信道矩阵，S为发送信号，N为信道噪声。进一步地，将信道状态数据输入神经网络对其进行训练，包括：以接收信号的向量形式作为神经网络的输入，以发送信号作为标签对神经网络进行有监督学习；以预构建的损失函数最小为目标，利用优化器优化神经网络参数，获取训练好的神经网络。进一步地，所述优化器为Adam优化器。进一步地，所述损失函数为交叉熵损失函数。与现有技术相比，本专利技术所达到的有益效果：本专利技术方法基于神经网络，充分利用了神经网络高速寻找优化解的特点，因而在MIMO系统接收端能够更加准确地恢复发送信号，有效解决了现有技术中的ZF和MMSE方法接收信号失真的技术缺陷；且无需信道状态估计过程，具有更快的处理反应速度和更强的适应性。附图说明图1是本专利技术实施例提供一种基于神经网络的MIMO系统信号接收方法流程图；图2是本专利技术实施例所述训练好的神经网络的结构示意图；图3是本专利技术实施例所述残差块的结构示意图；图4是本专利技术实施例提供的一种基于神经网络的MIMO系统信号接收方法与现有技术中ZF方法和MMSE方法在不同信噪比下的误码率对比图。具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。在MIMO系统的接收端，为避免接收信号失真，需尽可能地恢复发送信号S，且令信道噪声N的功率尽可能减小，使接收信号矢量S*尽可能地接近发送信号S。在ZF方法中，接收端对于发送信号的加权矩阵的表达式为：G＝(HHH)-1HH，式中，G为ZF方法接收端对于发送信号的加权矩阵，H为信道矩阵，则接收信号经信号检测器后的输出形式表征为：式中，为利用ZF方法接收信号经信号检测器后的输出形式。可见，ZF方法虽然可以完全消除数据流之间的干扰，但增大了高斯噪声的功率。在MMSE方法中，接收端对于发送信号的加权矩阵的表达式为：W＝(HHH+σ2I)-1HH，式中，W为MMSE方法接收端对于发送信号的加权矩阵，σ表示信号噪声N的方差，I表示单位矩阵。可见，MMSE方法恢复的信号并不能与发送信号完全相同。为使接收信号矢量S*尽可能地接近发送信号S，本专利技术方法将此目标转化为最小化S与S*之间的均方误差，目标函数为：argminE[||S*-S||2]，式中，argmin表示当函数值最小时变量的取值，E表示求取平均值，||·||2表示求取二范数。本专利技术方法采用深度神经网络处理该目标函数，以解决MIMO系统接收信号失真的技术问题。如图1所示，是本专利技术实施例提供一种基于神经网络的MIMO系统信号接收方法流程图，所述方法包括如下步骤：步骤一，采集获取MIMO系统的信道状态数据。本专利技术所述MIMO系统，由于在空间中具有多个发送和接收天线，其信道的接收信号模型可以表示为Y＝HS+N，式中，Y为接收信号，H为信道矩阵，S为发送信号，N为信道噪声(高斯噪声)。信道矩阵H中的第i行第j列，表示第i个发送天线到第j个接收天线的信道增益。本实施例中，所采集的信道状态数据包括信道矩阵H、发送信号S、信道噪声N。作为优选方案，设定MIMO系统具有m个输入天线、n个输出天线，则所采集的信道矩阵H为m行n列矩阵，所采集的发送信号S为m维列向量，所采集的信道噪声N为n维列向量，以确保所采集信道状态数据的规模足够大，有利于神经网络的训练，防止过拟合现象的产生。步骤二，设计获取神经网络。作为优选方案，本实施例设计获取的神经网络为一种类似于残差网络的深度神经网络，理由是残差网络比普通深度神经网络更容易优化，解决了随着网络层数增加所带来的梯度退化问题，因而可以通过增加网络层数来提高网络性能。然而，残差网络为深度卷积网络，更适用于图像识别，还需在残差网络基础上作进一步优化，以减少网络训练中产生的梯度爆炸和梯度消失现象。为此，本实施例中设计获取神经网络的具体步骤为：首先，设计获取残差网络；然后，将残差网络中的卷积层改为全连接层。步骤三，对信道状态数据进行预处理。步骤一所采集的信道状态数据包括信道矩阵、发送信号、信道噪声，若以此作为输入对神经网络进行训练，会导致输入数据维度过大，不利于神经网络优化。作为优选方案，首先，基于信道矩阵、发送信号、信道噪声，建立接收信号模型，本实施例中，接收信号的表达式为：Y＝HS+N；然后，将接收信号Y由矩阵形式转化为向量形式。该预处理过程，相当于对信道状态数据进行了降维处理，以利于神经网络在提取特征时减少噪音，发掘本质特征。步骤四，将预处理后的信道状态数据输入神经网络对其进行训练，以优化神经网络。具体步骤为：首先，以接收信号的向量形式作为神经网络的输入，以发送信号作为标签对神经网络进行有监督学习；然后，以预构建的损失函数最小为目标，利用优化器优化神经网络参数，以获取训练好的神经网络。作为优选方案，本实施例中所选用的优化器为Adam优化器，因为Adam优化器具有实现简单、计算高效本文档来自技高网...

【技术保护点】
1.一种基于神经网络的MIMO系统信号接收方法，其特征是，包括如下步骤：/n采集获取MIMO系统的信道状态数据；/n设计获取神经网络；/n将信道状态数据输入神经网络对其进行训练；/n利用训练好的神经网络作为MIMO系统的信号接收机，用以接收处理信号。/n

【技术特征摘要】
1.一种基于神经网络的MIMO系统信号接收方法，其特征是，包括如下步骤：
采集获取MIMO系统的信道状态数据；
设计获取神经网络；
将信道状态数据输入神经网络对其进行训练；
利用训练好的神经网络作为MIMO系统的信号接收机，用以接收处理信号。


2.根据权利要求1所述的基于神经网络的MIMO系统信号接收方法，其特征是，所述MIMO系统的信道状态数据，包括：信道矩阵、发送信号、信道噪声。


3.根据权利要求1所述的基于神经网络的MIMO系统信号接收方法，其特征是，设计获取神经网络，包括：
设计获取残差网络，所述残差网络包括卷积层；
将残差网络的卷积层改为全连接层。


4.根据权利要求2所述的基于神经网络的MIMO系统信号接收方法，其特征是，所述MIMO系统具有m个输入天线、n个输出天线，所述信道矩阵为m行n列矩阵，所述发送信号为m维列向量，所述信道噪声为n维列向量。


5.根据权利要求2所述的基于神经网络的MIMO系统信号接收方法，其特征是，将信道状态数据输入神经网络对其进行训练，还包括：对信道状态数据进行预处理，以...

【专利技术属性】
技术研发人员：董恒，刘映，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32