[发明专利]一种数据模型双驱动的OFDM接收方法

权利要求书

1.一种数据模型双驱动的OFDM接收方法，其特征在于，包括以下步骤：

步骤1、分别对接收机内信道估计模块和信号检测模块中的深度神经网络进行训练；

步骤2、对于信道估计模块，输入接收的频域导频和本地频域导频，采用最小二乘估计方法估计获得最小二乘信道估计结果及取最小二乘信道估计结实部和虚部取出串联后输入已训练的深度神经网络进行改进并输出得到信道估计结果

步骤3、对于信号检测模块，输入接收的频域导频和信道估计模块得到的信道估计结果采用迫零均衡方法获得迫零均衡结果及将迫零均衡结果的实部和虚部取出串联和信道估计结果接收信号输入已训练的深度神经网络进行改进并得到输出；

步骤4、对步骤3所得深度神经网络输出与设定门限做硬判决并获取判决结果，及由判决结果得到发送比特流的估计。

2.根据权利要求1所述数据模型双驱动的OFDM接收方法，其特征在于，所述步骤1中对深度神经网络训练采用的损失函数是平方误差损失，及采用的优化器是适应性动量估计优化器。

3.根据权利要求2所述数据模型双驱动的OFDM接收方法，其特征在于，所述步骤1中采用的损失函数是平方误差损失，具体包括：

在信道估计模块中，采用的平方误差损失是：

在信号检测模块中，采用的平方误差损失是：

其中，N是子载波数，B是所要估计的比特数，H是实际的频域信道，是信道估计结果，b是实际发送比特流，是发送比特流的估计。

4.根据权利要求1所述数据模型双驱动的OFDM接收方法，其特征在于，所述步骤2中获得最小二乘信道估计结果采用公式：

其中，Y′是接收的频域导频，X′是本地频域导频。

5.根据权利要求1所述数据模型双驱动的OFDM接收方法，其特征在于，所述步骤2中信道估计模块中深度神经网络采用一层的全连接网络，其中，并且，最小均方误差信道估计网络的乘性参数W初始化为权重矩阵W_LMMSE的实值矩阵其中Re{·}为取实部，Im{·}为取虚部；加性参数n初始化为全零时，网络输出的初始值即为的实部和虚部串联。

6.根据权利要求1所述数据模型双驱动的OFDM接收方法，其特征在于，所述步骤3中，获得迫零均衡结果采用公式：

其中，Y是接收的频域数据，是信道估计结果。

7.根据权利要求1所述数据模型双驱动的OFDM接收方法，其特征在于，所述步骤3中深度神经网络具体为：

当OFDM系统是线性系统时，采用全连接的深度神经网络；

当OFDM系统是非线性系统时，采用BiLSTM循环神经网络和一层的全连接深度神经网络。

8.根据权利要求7所述数据模型双驱动的OFDM接收方法，其特征在于，所述步骤3中当OFDM系统是非线性系统时采用一层深度全连接深度神经网络的神经元个数等于所要估计的比特数。