[发明专利]一种数据模型双驱动的GFDM接收机及方法有效
| 申请号： | 201811049894.8 | 申请日： | 2018-09-10 |
| 公开（公告）号： | CN109246038B | 公开（公告）日： | 2021-04-20 |
| 发明（设计）人： | 金石;张梦娇;高璇璇;温朝凯 | 申请（专利权）人： | 东南大学 |
| 主分类号： | H04L25/02 | 分类号： | H04L25/02;H04L1/00;H04L1/20;G06N3/08 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 徐莹 |
| 地址： | 210096 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种数据模型双驱动的GFDM接收机及方法，方法包括分别得到信道估计和信号检测神经网络；将包含发射导频信息的矩阵和接收的时域导频向量实数化后的结果作为信道估计神经网络的输入，并输出频域信道状态信息的估计；得到等效信道矩阵，并将其和接收的时域信号向量实数化后的结果作为信号检测神经网络的输入并输出为一个GFDM符号的估计；建立解映射神经网络，将信号检测神经网络所输出一个GFDM符号的估计作为输入，输出就作为原始比特信息的估计；将解映射网络的输出与设定门限的大小进行判决，根据判决结果输出原始比特信息的检测结果。本发明具有训练参数不随数据维度变化、训练速度快并且对不同信道环境适应能力强的优点。 | ||
| 搜索关键词： | 一种 数据模型 驱动 gfdm 接收机 方法 | ||
【主权项】：
1.一种数据模型双驱动的GFDM接收机，其特征在于，包括：信道估计模块，用于利用深度学习的神经网络对正交消息传递算法作为基础的通信知识模型中的迭代参数进行优化训练，得到信道估计神经网络；及将包含发射导频信息的矩阵Xp和接收的时域导频向量yp实数化后的结果作为信道估计神经网络的输入，并由信道估计神经网络输出频域信道状态信息的估计![]()
信号检测模块，用于利用深度学习的神经网络对正交消息传递算法作为基础的通信知识模型中的迭代参数进行优化训练，得到信号检测神经网络；及根据频域信道状态信息的估计![]()
得到复数时域循环信道矩阵![]()
及结合GFDM调制矩阵G得到等效信道矩阵Hequ，并将等效信道矩阵Hequ和接收的时域信号向量yd实数化后的结果作为信号检测神经网络的输入并输出为一个GFDM符号的估计![]()
建立解映射神经网络，将信号检测神经网络所输出一个GFDM符号的估计![]()
作为输入，输出就作为原始比特信息的估计![]()
将解映射神经网络的输出与设定门限的大小进行判决，根据判决结果输出原始比特信息的检测结果![]()
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东南大学，未经东南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811049894.8/，转载请声明来源钻瓜专利网。
