一种基于ICGAN网络的大规模MIMO系统检测模型构建方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116032332A(43)申请公布日2023.04.28(21)申请号202211720567.7(22)申请日2022.12.30(71)申请人哈尔滨工程大学地址150001黑龙江省哈尔滨市南岗区南通大街145号(72)发明人禹永植张诗琦赵忠凯刘宇(74)专利代理机构哈尔滨市松花江专利商标事务所23109专利代理师张换男(51)Int.Cl.H04B7/0413(2017.01)H04B17/391(2015.01)权利要求书3页说明书8页附图4页(54)发明名称一种基于ICGAN网络的大规模MIMO系统检测模型构建方法(57)摘要一种基于ICGAN网络的大规模MIMO系统检测模型构建方法，本发明涉及基于ICGAN网络的大规模MIMO系统检测模型构建方法。本发明的目的是为了解决现有大规模MIMO系统检测网络具有在线训练计算量大，并且信道状态信息复杂多变时采用离线训练方式难以获得理想检测效果的问题。过程为：构建训练集和测试集；构建ICGAN网络检测模型；将YH输入生成器中，得到生成器输出通信信号Gψ(YH)；将X输入判别器得到Dθ(X)并判定为真标签，Gψ(YΗ)输入判别器得到Dθ(Gψ(YH))并判定为假标签；训练网络并得到训练好的网络检测模型；将接收端接收通信信号输入训练好的网络检测模型，解码出接收通信信号对应的发射通信信号。本发明属于无线通信技术领域。CN116032332ACN116032332A权利要求书1/3页1.一种基于ICGAN网络的大规模MIMO系统检测模型构建方法，其特征在于：所述方法具体过程为：步骤1：基于生成的原始通信信号X0得到发送通信信号X，将信道状态信息H作为条件隐含入接收通信信号Y，得到隐含信道状态信息H的接收通信信号YH；以X和YH构建训练集和测试集；步骤2：构建ICGAN网络检测模型，ICGAN网络检测模型包括生成器和判别器；步骤3：将YH输入生成器中，生成器学习X的数据分布，得到生成器输出通信信号Gψ(YH)；其中ψ为生成器的权重参数；步骤4：将X输入判别器得到Dθ(X)并判定为真标签，Gψ(YΗ)输入判别器得到Dθ(Gψ(YH))并判定为假标签；其中θ为判别器的权重参数；步骤5：计算判别器损失函数LD，向最小化LD方向优化判别器梯度▽(LD)，更新判别器；由判别器输出Dθ(Gψ(YH))计算生成器损失函数LG，向着最小化LG方向优化生成器梯度▽(LG)，更新生成器；重复执行A次步骤3到步骤5，得到预训练好的ICGAN网络检测模型；步骤6：测试时将接收端接收的通信信号YH输入到预训练好的ICGAN网络检测模型的生成器，获得Gψ(YH)，对Gψ(YH)进行载波剥离和下采样后得到检测通信信号将与生成的原始通信信号X0比对分析，若满足要求，得到最终训练好的ICGAN网络检测模型；若不满足要求，则执行步骤3，直至得到最终训练好的ICGAN网络检测模型；步骤7：将接收端接收通信信号输入训练好的ICGAN网络检测模型，解码出接收通信信号对应的发射通信信号。2.根据权利要求1所述的一种基于ICGAN网络的大规模MIMO系统检测模型构建方法，其特征在于：所述步骤1中基于生成的原始通信信号X0得到发送信号X，将信道状态信息H作为条件隐含入接收通信信号Y，得到隐含信道状态信息H的接收通信信号YH；以X和YH构建训练集和测试集；具体过程为：步骤1‑1：对M×1维的原始通信信号向量X0进行数据预处理，得到发送通信信号X；过程为：对M×1维的原始通信信号向量X0做上采样处理得到通信信号Xc；对通信信号Xc进行载波处理，得到发送通信信号X；过程为：X＝Xccoswt其中wt为载波频率；步骤1‑2：利用MIMO系统模型，将信道状态信息H作为条件隐含入接收通信信号Y，得到隐含信道状态信息H的接收通信信号YH；表达式为：对于M根发射天线，N根接收天线的大规模MIMO系统，MIMO系统模型可简写为：YH＝HX+n(1)上式中，X为M×P维的发送通信信号，YH为N×P维隐含信道状态信息的接收通信信号，P为上采样点数，n为N×P维的加性高斯白噪声，H为信道状态信息，维度为N×M。3.根据权利要求2所述的一种基于ICGAN网络的大规模MIMO系统检测模型构建方法，其2CN116032332A权利要求书2/3页特征在于：所述步骤2中构建ICGAN网络检测模型，ICGAN网络检测模型包括生成器和判别器；具体过程为：生成器包括第一卷积单元、第一编码单元、第二编码单元、第三编码单元、缓冲单元、第一解码单元、第二解码单元、第三解码单元、第二卷积单元；第一卷积单元包括第一卷积层；第一编码单元依次包括第一批量标准化BN层、编码块1、第一ReLU激活函数层；第二编码单元依次包括第二