[发明专利]一种基于深度学习的广义无线光MIMO系统的盲检测方法

权利要求书

1.一种基于深度学习的广义无线光MIMO系统的盲检测方法，其特征在于，包括步骤：

S1、对N_r个PD接收机并行输出的接收信号y进行预处理得到输入信号

S2、采用训练完成的盲检测器对输入信号进行检测，输出对应的比特信息。

2.根据权利要求1所述的一种基于深度学习的广义无线光MIMO系统的盲检测方法，其特征在于：所述盲检测器包括顺序设置的1个输入层、4个隐藏层、1个输出层和1个决策层；

所述输入层设有N_r个神经元，与PD接收机的数量相同，用于将输入信号一一输入至所述隐藏层；所述隐藏层顺序设有四层，对应设有L₁、L₂、L₃、L₄个神经元，用于通过训练来学习输入信号和加性噪声的统计特征；所述输出层设有S个神经元，其对应每一个输入向量所携带的总比特数，用于生成每个输入向量的一个数值区间为(0,1)的模糊比特信息；所述决策层设有S个神经元，用于将所述输出层生成的S个模糊比特信息进行判决，生成S个0或1比特信息。

3.根据权利要求2所述的一种基于深度学习的广义无线光MIMO系统的盲检测方法，其特征在于，所述步骤S1中的预处理过程具体为：

将接收信号y放大α倍，并根据N_t个LED发射机在信息传输时的映射关系生成特征矩阵F，最后生成输入信号N_r≥N_t。

4.根据权利要求3所述的一种基于深度学习的广义无线光MIMO系统的盲检测方法，其特征在于，所述输入层、所述隐藏层和所述输出层的函数关系表达如下：

其中，k＝1表示第一层即所述输入层；2≤k≤5表示第二层至第五层即4层所述隐藏层，k＝6表示第6层即所述输出层；z_k表示第k层的输出向量，W_k-1为第k-1层与k层的权重矩阵，b_k-1为第k层的偏置向量；所述隐藏层的激活函数为ReLU函数f_ReLU(x)＝max(0,x)；所述输出层的激活函数为Sigmoid函数f_Sigmoid(x)＝1/(1+exp^-x)。

5.根据权利要求4所述的一种基于深度学习的广义无线光MIMO系统的盲检测方法，其特征在于，假设z_q为一个模糊比特，为判决后的比特，则所述决策层的判决规则为：

6.根据权利要求4所述的一种基于深度学习的广义无线光MIMO系统的盲检测方法，其特征在于：假设在N_r个PD接收机和N_t个LED发射机的映射过程中，只有N_a个LED发射机被激活用于信号传输，1≤N_a≤N_t，则特征矩阵F表示为N_t×N_r的矩阵，其中每一行及每一列中均有N_a个元素赋值为1，表示有信号传输，其余元素赋值为0，表示无信号传输。

7.根据权利要求2～6任意一项所述的一种基于深度学习的广义无线光MIMO系统的盲检测方法，其特征在于，所述盲检测器所选择的损失函数为均方误差：

其中，为所述决策层所估计出来的比特向量，而b为所传输的正确比特向量即接收信号y的标签。

8.根据权利要求7所述的一种基于深度学习的广义无线光MIMO系统的盲检测方法，其特征在于：在所述盲检测器的离线训练阶段，先在一特定空间中不同的位置测试并确定盲检测相关参数，然后训练好所述盲检测器中的神经网络，并将训练好的盲检测器保存；当N_r个PD接收机位于某个位置时，所述前馈深度神经网络模块直接调用与该位置对应的训练好的盲检测器进行信号检测。