[发明专利]基于深度学习的空间调制接收端译码方法

权利要求书

1.一种基于深度学习的空间调制接收端译码方法，其特征在于，包括以下步骤：

S1，构造深度神经译码网络，并初始化训练参数；

S2，在空间调制系统发射机发送训练序列，接收机接受信号，由此产生大量训练数据，同时发射机随机发射信号，以此生成验证数据集；

S3，利用训练数据集对构建的神经网络模型进行训练，得到训练好的神经网络，然后用验证集验证网络评估神经网络，若不符合要求，改变参数继续训练直至神经网络收敛；

S4，将训练好的升级网络部署在空间调制的接收端，对接受信号y进行译码，得到发射符号的估计。

2.根据权利要求1所述的码方法，其特征在于，步骤S1中所构建神经网络的每一层都是一样的，每一层中H表示信道矩阵，Y表示天线接收的信号，S_kE_k表示神经网络第k层输出的星座图符号和天线符号向量，V_k为第k层到第k+1层网络的隐藏连接量。

3.根据权利要求1所述的方法，其特征在于，在神经网络译码结的每一层内分块设计输入和输出，同时把天线索引和星座图索引分开译码。

4.根据权利要求1所述的方法，其特征在于，训练数据由发射机发射训练序列，接收机保存接收信号和信道状态信息，其中把发射符号按照天线索引和星座图符号对接收到的信号添加标签，以此构成训练数据集。

5.根据权利要求1所述的方法，其特征在于，采用分批处理的随机梯度下降算法训练网络，同时采用指数衰减的学习率；其中，每一百次迭代训练后采用验证集决定是否提前终止训练。