公开(公告)号：CN110336631A

公开(公告)日：2019-10-15

申请号：CN201910482932.7

申请日：2019-06-04

申请人： 浙江大学

发明人： 钟财军 ,  高佳宝 ,  易雪梅 ,  陈晓明 ,  张朝阳

IPC分类号： H04B17/382 ,  G06K9/62 ,  G06N3/04

摘要： 本发明属于无线通信领域，涉及一种基于深度学习的信号检测方法：对时域信号采样向量进行能量归一化后，输入单节点检测神经网络，输出主信号存在或不存在的两类概率向量，取其中较大者，得到单节点检测结果，作为信号检测结果；或，对不同节点的时域信号采样向量进行能量归一化后，输入单节点检测神经网络，输出主信号存在或不存在的两类概率向量，并作为多节点协作检测神经网络的输入，得到多节点检测结果，作为信号检测结果；其中，所述单节点检测神经网络通过二段训练法进行训练。本发明有效挖掘、利用了调制信号的结构化信息和单节点的软信息，提升了单节点检测性能和多节点协作检测性能，改善了已有的传统信号检测方法的以上缺陷。

公开(公告)号：CN110943944A

公开(公告)日：2020-03-31

申请号：CN201911081998.1

申请日：2019-11-07

申请人： 浙江大学

发明人： 钟财军 ,  易雪梅

IPC分类号： H04L25/02 ,  H04L27/26

摘要： 本发明属于无线通信领域，涉及一种基于深度学习的OFDM系统的信道估计方法。本发明公开了一种基于深度学习的OFDM系统的信道估计方法，所述信道估计方法为：利用传统基于导频的信道估计方法，得到信道在导频位置的信道响应；将信道在导频位置的信道响应作为输入，输入到信道估计网络，所述信道估计网络通过模拟传统信道估计方法的插值过程输出导频位置以及数据位置信道响应值，作为信道估计值。本发明体用的信道估计方法可以得到较好的信道估计值，信道估计性能较高。

公开(公告)号：CN110336631B

公开(公告)日：2020-10-13

申请号：CN201910482932.7

申请日：2019-06-04

申请人： 浙江大学

发明人： 钟财军 ,  高佳宝 ,  易雪梅 ,  陈晓明 ,  张朝阳

IPC分类号： H04B17/382 ,  G06K9/62 ,  G06N3/04

摘要： 本发明属于无线通信领域，涉及一种基于深度学习的信号检测方法：对时域信号采样向量进行能量归一化后，输入单节点检测神经网络，输出主信号存在或不存在的两类概率向量，取其中较大者，得到单节点检测结果，作为信号检测结果；或，对不同节点的时域信号采样向量进行能量归一化后，输入单节点检测神经网络，输出主信号存在或不存在的两类概率向量，并作为多节点协作检测神经网络的输入，得到多节点检测结果，作为信号检测结果；其中，所述单节点检测神经网络通过二段训练法进行训练。本发明有效挖掘、利用了调制信号的结构化信息和单节点的软信息，提升了单节点检测性能和多节点协作检测性能，改善了已有的传统信号检测方法的以上缺陷。