多输入多输出场景中的符号检测方法、装置、设备、存储介质及产品与流程

本申请涉及数据处理，尤其涉及多输入多输出场景中的符号检测方法、装置、设备、存储介质及产品。

背景技术：

1、大规模多输入多输出(um-mimo)是5g及未来通信技术中的关键技术之一，它通过在无线通信系统中部署大量发射和接收天线，显著提升了数据传输速率和频谱使用效率。在进行信道估计、信号检测和波束成形等关键操作时，往往需要计算信道矩阵或相关矩阵的逆，以解决线性方程组、优化问题或进行信号的分离和恢复。然而，矩阵求逆的计算复杂度随着用户数的增加而以三次方速度迅速增加，这阻碍了多天线系统的广泛应用。

2、在um-mimo场景中，期望传播(expectation propagation，ep)算法是符号检测的高性能算法之一，其在高阶调制和柔性天线配置的多天线系统中展现出卓越的性能。然而，随着用户数量k的增加，ep算法在每次迭代中所必需的矩阵求逆操作，其计算复杂度呈立方增长，成为算法实现的瓶颈。因此，如何提高多输入多输出场景中的符号检测效率成为了亟待解决的技术问题。

技术实现思路

1、本申请的主要目的在于提供一种多输入多输出场景中的符号检测方法、装置、设备、存储介质及产品，旨在解决随着用户数量的增加，多输入多输出场景中的符号检测效率较低的技术问题。

2、为实现上述目的，本申请提出一种多输入多输出场景中的符号检测方法，所述多输入多输出场景中的符号检测方法包括：

3、获取信道估计参数，基于所述信道估计参数确定空腔边缘的高斯分布均值和方差；

4、在用户数量满足预设条件时，根据所述均值和所述方差纠正所述高斯分布，得到纠正后的空腔分布概率；

5、基于所述空腔分布概率对符号进行软判决得到估计平均值；

6、在当前迭代次数达到预设迭代次数阈值时，根据所述估计平均值确定符号检测结果。

7、可选地，所述根据所述均值和所述方差纠正所述高斯分布，得到纠正后的空腔分布概率的步骤，包括：

8、根据所述均值和所述方差进行节点初始化；

9、在节点初始化完成时，基于节点初始化结果收集边信息；

10、对所述边信息进行汇总，根据边信息汇总结果确定纠正后的空腔分布概率。

11、可选地，所述对所述边信息进行汇总，根据边信息汇总结果确定纠正后的空腔分布概率的步骤，包括：

12、对所述边信息进行汇总，得到边信息汇总结果；

13、判断gnn迭代次数是否小于预设gnn迭代阈值；

14、若gnn迭代次数小于预设gnn迭代阈值，则返回至所述基于节点初始化结果收集边信息的步骤。

15、可选地，所述基于所述信道估计参数确定空腔边缘的高斯分布均值和方差的步骤，包括：

16、根据所述信道估计参数确定空腔边缘的高斯分布方差；

17、基于所述信道估计参数初始化高斯分布平均值；

18、根据所述高斯分布平均值进行矩阵求逆迭代，得到迭代计算结果；

19、根据所述高斯分布方差和所述迭代计算结果确定空腔边缘的高斯分布均值。

20、可选地，所述根据所述均值和所述方差纠正所述高斯分布，得到纠正后的空腔分布概率的步骤，包括：

21、根据样本数据训练基于门控图神经网络的图神经网络模块，得到gnn模块；

22、基于所述gnn模块、所述均值和所述方差纠正所述高斯分布，得到纠正后的空腔分布概率。

23、可选地，所述基于所述信道估计参数确定空腔边缘的高斯分布均值和方差的步骤之后，还包括：

24、判断当前用户数量是否大于预设用户数量阈值；

25、若所述当前用户数量大于所述预设用户数量阈值，则根据所述均值和所述方差纠正所述高斯分布，得到纠正后的空腔分布概率。

26、此外，为实现上述目的，本申请还提出一种多输入多输出场景中的符号检测装置，所述多输入多输出场景中的符号检测装置包括：

27、获取模块，用于获取信道估计参数，基于所述信道估计参数确定空腔边缘的高斯分布均值和方差；

28、纠正模块，用于在用户数量满足预设条件时，根据所述均值和所述方差纠正所述高斯分布，得到纠正后的空腔分布概率；

29、软判决模块，用于基于所述空腔分布概率对符号进行软判决得到估计平均值；

30、输出模块，用于在当前迭代次数达到预设迭代次数阈值时，根据所述估计平均值确定符号检测结果。

31、此外，为实现上述目的，本申请还提出一种多输入多输出场景中的符号检测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的多输入多输出场景中的符号检测方法的步骤。

32、此外，为实现上述目的，本申请还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的多输入多输出场景中的符号检测方法的步骤。

33、此外，为实现上述目的，本申请还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的多输入多输出场景中的符号检测方法的步骤。

34、本申请获取信道估计参数，基于所述信道估计参数确定空腔边缘的高斯分布均值和方差；在用户数量满足预设条件时，根据所述均值和所述方差纠正所述高斯分布，得到纠正后的空腔分布概率；基于所述空腔分布概率对符号进行软判决得到估计平均值；在当前迭代次数达到预设迭代次数阈值时，根据所述估计平均值确定符号检测结果。由于本申请在用户数量满足预设条件时，根据所述均值和所述方差纠正所述高斯分布，本申请上述方式能够在高用户数场景下有效降低检测的误符号率。

技术特征：

1.一种多输入多输出场景中的符号检测方法，其特征在于，所述多输入多输出场景中的符号检测方法包括以下步骤：

2.如权利要求1所述的多输入多输出场景中的符号检测方法，其特征在于，所述根据所述均值和所述方差纠正所述高斯分布，得到纠正后的空腔分布概率的步骤，包括：

3.如权利要求2所述的多输入多输出场景中的符号检测方法，其特征在于，所述对所述边信息进行汇总，根据边信息汇总结果确定纠正后的空腔分布概率的步骤，包括：

4.如权利要求1所述的多输入多输出场景中的符号检测方法，其特征在于，所述基于所述信道估计参数确定空腔边缘的高斯分布均值和方差的步骤，包括：

5.如权利要求1-4任一项所述的多输入多输出场景中的符号检测方法，其特征在于，所述根据所述均值和所述方差纠正所述高斯分布，得到纠正后的空腔分布概率的步骤，包括：

6.如权利要求1-4任一项所述的多输入多输出场景中的符号检测方法，其特征在于，所述基于所述信道估计参数确定空腔边缘的高斯分布均值和方差的步骤之后，还包括：

7.一种多输入多输出场景中的符号检测装置，其特征在于，所述多输入多输出场景中的符号检测装置包括：

8.一种多输入多输出场景中的符号检测设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如权利要求1至6中任一项所述的多输入多输出场景中的符号检测方法的步骤。

9.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的多输入多输出场景中的符号检测方法的步骤。

10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的多输入多输出场景中的符号检测方法的步骤。

技术总结本申请公开了一种多输入多输出场景中的符号检测方法、装置、设备、存储介质及产品，涉及数据处理技术领域，所述多输入多输出场景中的符号检测方法包括：获取信道估计参数，基于所述信道估计参数确定空腔边缘的高斯分布均值和方差；在用户数量满足预设条件时，根据所述均值和所述方差纠正所述高斯分布，得到纠正后的空腔分布概率；基于所述空腔分布概率对符号进行软判决得到估计平均值；在当前迭代次数达到预设迭代次数阈值时，根据所述估计平均值确定符号检测结果。由于本申请在用户数量满足预设条件时，根据所述均值和所述方差纠正所述高斯分布，本申请上述方式能够在高用户数场景下有效降低检测的误符号率。技术研发人员：许定华,李强,姜帆,赵欣,陶小峰受保护的技术使用者：鹏城实验室技术研发日：技术公布日：2024/11/4