一种基于神经网络的多符号非相干检测方法

技术特征：
1.一种基于神经网络的多符号非相干检测方法，其特征在于：包括如下步骤：步骤1、发送方使用ldpc编码信息序列后发送，接收方接收经awgn信道传输的发送信息序列；步骤2、接收方将接收序列输入神经网络中得到该接收序列的比特对数似然比；步骤3、接收方利用比特对数似然比对发送序列进行译码得到信息。2.如权利要求1所述的一种基于神经网络的多符号非相干检测方法，其特征在于：所述步骤1的具体方法为：步骤1.1、在发射端，ldpc码编码器将k位信息序列x＝(x1,x2,
…
,x
k
)映射为n位码字c＝(c1,c2,
…
,c
n
)输出；步骤1.2、使用ieee 802.15.3协议毫米频段单载波物理层规定的扩频方式将c扩频为其中，中每个符号包含64个码片；步骤1.3、对经16qam调制后得到复数形式码片序列s＝(s1,s2,
…
,s
n
)后在awgn信道传输，输出序列为z＝(z1,z2,
…
,z
n
)，s
i
和z
i
都包含16个复数元素；在第m个比特区间内接收的离散复基带信号为s
m
是第m个复数形式传输码片序列，θ
m
是信道传输引入的随机相位偏移向量，并假设其每个元素在区间(-π,π)内服从均匀分布，表示θ
m
对复数形式发送码片序列s
m
在相位上造成的偏移影响，n
m
为信道噪声向量，因此，n
m
＝{n
m,1
,n
m,2
,
…
,n
m,16
}，s
m
＝{s
m,1
,s
m,2
,
…
,s
m,16
}，z
m
＝{z
m,1
,z
m,2
,
…
,z
m,16
}；步骤1.4、θ
m,k
＝θ，则第k个接收符号在第m个比特区间内可表示为z
m,k
＝s
m,k
e
jθ
n
m,k
。3.如权利要求1所述的一种基于神经网络的多符号非相干检测方法，其特征在于：所述步骤2的具体方法为：步骤2.1、构建前馈反向传播神经网络前馈反向传播神经网络为三层神经网络，将每个比特周期接收序列z
m
＝{z
m,1
,z
m,2
,
…
,z
m,16
}分为实部虚部两部分作为神经网络输入层的输入，隐藏层神经元的输出为隐藏层的输出y即输出层的输入，通过再一次进行非线性运算得到输出层输出为其中，d＝[re(z
m
)im(z
m
)]为神经网络的输入矩阵，为每个比特周期接收序列z
m
对应的比特llr信息，和分别为隐藏层神经元、输出层神经元的权重矩阵，b和β分别为隐藏层神经元、输出层神经元的偏置矩阵，f(
·
)为激活函数，隐藏层神经元和输出层神经元都由双曲正切激活函数实现；步骤2.2、构建神经网络训练集首先，量化随机相位空间，对信道传输引入的随机相位空间进行均匀量化，当量化阶数为m时的第d个量化区间为其次，利用量化后的随机相位空间来建模信道传输引入的相位偏移，生成接收方样本信号，接收方利用接收的样本信号和传统log-map算法生成llr值，将此llr值和利用量化后
的随机相位空间生成的样本信号一起构成训练集；步骤2.3、训练神经网络利用步骤2.2构成的训练集，对步骤2.1构建的前馈反向传播神经网络进行有监督训练，用于估计比特llr值。步骤2.4、生成译码所需的llr值将每个比特周期接收序列z
m
＝{z
m,1
,z
m,2
,
…
,z
m,16
}分为实部虚部两部分输入步骤2.3中训练完成的前馈反向传播神经网络，经神经网络处理后即可得到接收序列z
m
的比特llr信息。4.如权利要求1所述的一种基于神经网络的多符号非相干检测方法，其特征在于：所述步骤3的具体方法为：步骤3.1、利用步骤2中得出的比特llr信息进行译码，将步骤2中得出的比特llr信息输入ldpc码的译码器进行译码得出比特信息

技术总结
一种基于神经网络的多符号非相干检测方法，包括：步骤1、发送方使用LDPC编码信息序列后发送，接收方接收通过AWGN信道传输的发送信息序列；步骤2、接收方将接收序列输入神经网络中得到该接收序列的比特对数似然比；步骤3、接收方利用步骤2得出的比特对数似然比对发送序列进行译码得到信息。本发明在检测性能和资源消耗之间达到了更好的平衡匹配。消耗之间达到了更好的平衡匹配。消耗之间达到了更好的平衡匹配。


技术研发人员：张高远 王雨凡 马聪芳 冀保峰 李春国 张晓辉 李永恩 陈开 李海琼 王文才 陈嘉 林慧萍 金轩宇 张雨好 陈俊宇 王雨平 黄依雯 黄旭 林健平 孙涛 刘旭川
受保护的技术使用者：河南科技大学
技术研发日：2022.03.18
技术公布日：2022/5/10