一种基于图像处理的SCMA盲检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108737298A(43)申请公布日2018.11.02(21)申请号201810293367.5(22)申请日2018.04.04(71)申请人东南大学地址211189江苏省南京市江宁区东南大学路2号(72)发明人张川杨超徐炜鸿尤肖虎(74)专利代理机构南京苏高专利商标事务所(普通合伙)32204代理人王安琪(51)Int.Cl.H04L25/02(2006.01)权利要求书3页说明书7页附图3页(54)发明名称一种基于图像处理的SCMA盲检测方法(57)摘要本发明公开了一种基于图像处理的SCMA盲检测方法，包括如下步骤：(1)设以(N,K)为参数的规范化SCMA系统，码维度为K，星座维度为N，以出现频率最高的节点作为二维图像中相邻的像素点，进行相应映射模板的构造，得到一维信号至二维图像的映射模板；(2)在制定完具有系统特征的二维图像映射模板后，以相应二维图像映射模板为依托，将原SCMA码本中的各码字映射为K×K的图像；(3)对步骤(2)的到的二维图像进行预滤波及降噪，处理后的图像进行SCMA的码字检测。本发明能够极大的降低传统检测方法对信道估计的依赖程度，并提高在存在信道误差时检测的误码率，吞吐率较高。CN108737298ACN108737298A权利要求书1/3页1.一种基于图像处理的SCMA盲检测方法，其特征在于，包括如下步骤：(1)设以(N,K)为参数的规范化SCMA系统，码维度为K，星座维度为N，以出现频率最高的节点作为二维图像中相邻的像素点，进行相应映射模板的构造，得到一维信号至二维图像的映射模板；(2)在制定完具有系统特征的二维图像映射模板后，以相应二维图像映射模板为依托，将原SCMA码本中的各码字映射为K×K的图像；(3)对步骤(2)的到的二维图像进行预滤波及降噪，处理后的图像进行SCMA的码字检测。2.如权利要求1所述的基于图像处理的SCMA盲检测方法，其特征在于，步骤(3)中，对二维图像进行预滤波及降噪包括两种方法：全变分二维滤波和卷积神经网络的图像训练。3.如权利要求2所述的基于图像处理的SCMA盲检测方法，其特征在于，全变分二维滤波具体为：用D表示图像中待修描的区域，E表示待修描区域的边界区域，假设整幅图像为Ω＝D∪E，则可以定义如下的能量函数：R[u]＝∫∫Ωr[|Δu(x,y)|]dxdy其中Δu(x,y)表示图像函数的梯度，r代表非负的实数函数；考虑到实际中噪声对原图的影响，上述表达式进一步转换为约束形式，且这一约束问题可用非约束条件下的极值求解来处理，并最终得出全变分去噪的欧拉-拉格朗日方程：欧拉-拉格朗日方程是非线性偏微分方程，因此需要通过数字化的差分方程来简化其处理形式，采用半格点的近似方式，并需要步长h＝1，便可得到如下的迭代求解公式：在实际运用过程中，迭代次数设置为n＝100，积分步长设定为dt＝0.01，常数K＝50用来调整梯度值的计算，在经历过全变分的全局降噪处理后，图像被接收端还原为一维信号，并使用传统的DMPA检测方法进行检测，DMPA中针对信道环境N0设置为一常数进行处理。4.如权利要求2所述的基于图像处理的SCMA盲检测方法，其特征在于，卷积神经网络的图像训练具体为：卷积神经网络是一个多层结构，其中每一层对其输入进行一下运算：其中Wi,j表示已经训练好的滤波器系数矩阵的第i行、第j列，X表示该层输入的图像矩阵，经过卷积运算并加上偏置bias后，经过非线性运算σ(·)，这里σ(i)＝max(0,i)；2CN108737298A权利要求书2/3页对SCMA接收图像的滤波效果由滤波器系数和偏置决定，为了得到较优的滤波器系数，通常采用反向误差传播对降噪卷积神经网络进行训练，采用以下损失函数来衡量滤波器效果：其中F(x；θ)表示在滤波器系数θ＝[W,bias]下得到的对输入x的噪声估计，而y表示发送的无噪声的原始信号；训练的目标是最小化这一损失函数，利用深度学习中后向传播和Mini-batch随机梯度下降算法训练神经网络，获得最优的滤波器系数和偏置的组合θ＝[W,bias]。5.如权利要求1所述的基于图像处理的SCMA盲检测方法，其特征在于，处理后的图像进行SCMA的码字检测具体为：SCMA码字检测硬件结构包括图像处理模块和DMPA检测算法模块，图像处理模块包含有图像训练模块和图像转化模块；接收到的二维图像经过卷积神经网络得到去噪后的4×4预处理图像，涉及乘法和加法操作；预处理图像到达图像转化模块，将重复的4份像素值进行取平均的操作，并重新压缩转化为一维的1×4复数信号；该复数信号进入DMPA检测算法模块，进行四个步骤的检测流程，并判断输出原来的发送码字。6.如权利要求5所述的基于图像处理的SCMA盲检