【技術實現步驟摘要】
本專利技術屬于無線傳輸領域，尤其涉及一種基于深度展開貝葉斯推斷的無蜂窩大規模mimo系統低復雜度協同信號檢測方法。
技術介紹
1、在第六代移動通信(6g)技術的背景下，無蜂窩大規模多輸入多輸出(multiple-input?multiple-output,mimo)系統通過整合分布式天線系統(distributed?antennasystem,das)和mimo技術的優勢，形成了一種以用戶為中心的新型網絡架構。大量分布式接入點(access?point，ap)一起為少量終端用戶服務，有效避免了傳統蜂窩網絡中小區間干擾的問題，顯著提高了系統的頻譜效率。然而，由于接入點ap的分布式部署，相較于集中式天線系統，系統信道硬化特性減弱，使信道統計特性不再趨于穩定，針對集中式天線系統設計的低復雜度線性檢測方案無法實現滿意的檢測性能。此外，大規模mimo使得復雜度過于高昂的檢測方案的計算開銷難以承受。因此，本專利技術旨在探索和設計適用于無蜂窩大規模mimo系統的高效信號檢測方案，從分布式接入點ap協作檢測角度設計，以期做到檢測算法復雜度與性能的良好平衡。
2、傳統的信號檢測算法，如最大似然檢測(maximum?likelihood,ml)、線性檢測和近似檢測算法在無蜂窩大規模mimo系統中有廣泛應用，但也面臨挑戰和局限性。
3、最大似然檢測算法的計算復雜度隨著天線數目和用戶數目的增加而呈指數級增長。這使得最大似然檢測算法在實際應用中有著巨大的計算開銷，限制了其在大規模mimo系統中的可行性。為了權衡復雜性和性能，可以采
4、基于貝葉斯理論的期望傳播(expectation?propagation，ep)算法和變分貝葉斯推斷(variational?bayesian?inference，vbi)算法通過近似傳輸符號的后驗概率密度來推斷傳輸符號的估計值，對瑞利衰落信道實現了近似最優的效果。此外，基于近似消息傳遞理論(approximate?message?passing,amp)算法具有優異的性能和中等的復雜度，基于amp的檢測器利用中心極限定理和泰勒展開式在稠密因子圖上逼近后驗概率，當通道矩陣的元素具有獨立同分布的關系時，可以在大規模天線系統中實現貝葉斯最優性能。但是，對于實際的小尺寸mimo系統，這些迭代檢測器的性能仍然未達到貝葉斯最優解，且在面臨非完備信道狀態信息時，性能受到嚴重惡化。但該類貝葉斯檢測算法與一些近似求逆的線性算法不同的是，它們所依賴的是信號傳輸過程中信道和信號的統計特性，并不需要依賴于信道的硬化特性。因此，基于貝葉斯理論的信號檢測算法在分布式部署的天線系統中有著極大的潛力。
5、傳統的貝葉斯推斷在計算未知參數的后驗分布時面臨著復雜的概率模型和高維參數空間的挑戰，精確計算后驗分布往往是不可行的。為了解決這個問題，它引入了一個近似的后驗分布來逼近真實的后驗分布。變分貝葉斯推斷vbi的基本思想是通過引入一個參數化的近似分布來逼近真實的后驗分布。通過最小化與真實后驗分布之間的差異，確定近似分布的參數。這一過程可以通過最大化后驗概率來實現，使得近似分布盡可能接近真實后驗分布。
6、公開于該
技術介紹
部分的信息僅僅旨在增加對本專利技術的總體背景的理解，而不應當被視為承認或以任何形式暗示該信息構成已為本領域普通技術人員所公知的現有技術。
技術實現思路
1、本專利技術要解決的技術問題是降低信號檢測的復雜度，提高在復雜環境中的信號檢測精度和收斂速度，本專利技術提出了一種基于深度展開貝葉斯推斷的無蜂窩大規模mimo系統低復雜度協同信號檢測方法，包括如下步驟：
2、步驟1，接入點ap從接收到的信號中提取出信號數據，以構建信號數據集；
3、步驟2，構建變分推理與深度展開網絡vid-net，并對vid-net進行訓練，得到訓練好的vid-net；
4、步驟3，將信號數據集輸入到訓練好的變分推理與深度展開網絡vid-net，得到估計信號。
5、進一步的，步驟1中，所述信號數據集包含有用信號和噪聲信號；
6、信號數據的表達式定義為：
7、yl＝hlx+nl
8、其中，yl為第l個接入點ap接收到的信號，hl表示第l個接入點ap與用戶終端ue之間的信道，x為用戶終端ue發送的信號，nl為加性高斯白噪聲；
9、信道hl定義為：
10、
11、其中，為復數的小尺度衰落系數，βl為考慮路徑損耗和陰影的復大尺度衰落系數。
12、進一步的，步驟2中，對變分推理與深度展開網絡vid-net進行訓練，具體是，采用變分后向推斷的方法對vid-net進行訓練，通過最小化后驗概率與近似后驗概率之間的kl散度，逐步調整vid-net的網絡參數，使得vid-net網絡測得的后驗概率逼近信號的真實后驗概率。
13、進一步的，考慮多層網絡輸出對結果的影響，引入對數函數和相關函數改進網絡損失函數，使得vid-net中的前層網絡可以快速收斂。vid-net的損失函數為：
14、
15、其中，x為ue發送的信號，titer表示vid-net網絡總層數，t表示網絡的層數，θ(t)為可訓練參數，μ(t)vid-net網絡第t層的輸出值，r(x,μ(t))表示真實值x與網絡第t層輸出值μ(t)之間的余弦相似度；
16、
17、進一步的，步驟2中還包括對vid-net神經網絡進行優化，優化的目標函數表示為：
18、
19、其中，g(q,w)和w分別表示：
20、
21、w＝[w1,w2,...,wl]
22、x＝[x1,x2,...,xi,..xk]
23、h＝[h1,h2,...,hl,..h:l]
24、y＝[y1,y2,...,yl,..y:l]
25、w作為引入的神經網絡參數，x為ue發送的信號，xi表示ue發送的第i個信號，q(x)為近似后驗概率；似然概率p(y|x)表示給定信號y后，x的概率，本文檔來自技高網...
【技術保護點】
1.一種大規模MIMO系統信號檢測方法，其特征在于，包括如下步驟：
2.根據權利要求1所述一種大規模MIMO系統信號檢測方法，其特征在于，步驟1中，所述信號數據集包含有用信號和噪聲信號；
3.根據權利要求1所述一種大規模MIMO系統信號檢測方法，其特征在于，步驟2中，對變分推理與深度展開網絡VID-Net進行訓練，具體是，采用變分后向推斷的方法對VID-Net進行訓練，通過最小化后驗概率與近似后驗概率之間的KL散度，逐步調整VID-Net的網絡參數，使得VID-Net網絡測得的后驗概率逼近信號的真實后驗概率。
4.根據權利要求1所述一種大規模MIMO系統信號檢測方法，其特征在于，考慮多層網絡輸出對結果的影響，引入對數函數和相關函數改進網絡損失函數，使得VID-Net中的前層網絡快速收斂；VID-Net的損失函數為：
5.根據權利要求1所述一種大規模MIMO系統信號檢測方法，其特征在于，步驟2中還包括對VID-Net神經網絡進行優化，優化的目標函數表示為：
6.根據權利要求5所述一種大規模MIMO系統信號檢測方法，其特征在
7.根據權利要求4所述一種大規模MIMO系統信號檢測方法，其特征在于，在VID-Net中引入了殘差連接，表示為：
8.根據權利要求7所述一種大規模MIMO系統信號檢測方法，其特征在于，步驟2中構建的VID-Net神經網絡包括卷積層、池化層和殘差連接；
...【技術特征摘要】
1.一種大規模mimo系統信號檢測方法，其特征在于，包括如下步驟：
2.根據權利要求1所述一種大規模mimo系統信號檢測方法，其特征在于，步驟1中，所述信號數據集包含有用信號和噪聲信號；
3.根據權利要求1所述一種大規模mimo系統信號檢測方法，其特征在于，步驟2中，對變分推理與深度展開網絡vid-net進行訓練，具體是，采用變分后向推斷的方法對vid-net進行訓練，通過最小化后驗概率與近似后驗概率之間的kl散度，逐步調整vid-net的網絡參數，使得vid-net網絡測得的后驗概率逼近信號的真實后驗概率。
4.根據權利要求1所述一種大規模mimo系統信號檢測方法，其特征在于，考慮多層網絡輸出對結果的影響，引入...
【專利技術屬性】
技術研發人員：余杰，張杰，蔡紀龍，李飛，宋晶科，林峰，夏文奇，
申請(專利權)人：南京郵電大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。