买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东技术师范大学

摘要：本发明公开了一种适用于OFDM‑IM的深度学习检测方法，S1、基于Transformer模型，采用了LSTM作为编码的输入层，以应对输入为非整数的词嵌入层的需求；S2、为了适应Transformer模型的输入要求，将接收端收到的信息和实际信息进行一一对应作为序列，并在每个序列的开头和结尾添加特殊的开始和结束标识符；S3、在Transformer模型训练阶段，通过将经过预处理的数据输入到Transformer模型中，得到数据的深层特征信息；S4、利用模型进行实际数据的预测，将原本的分类问题，转化成预测问题，通过模型的迭代输出，可以更高效地利用Transformer模型的特性，提高预测的准确性和效率，通过上述创新的设计和方法，提高了识别精度，并在各种应用场景中具有广泛的应用前景。

主权项：1.一种适用于OFDM-IM的深度学习检测方法，其特征在于，包括如下步骤：S1、基于Transformer模型，采用了LSTM作为编码的输入层，以应对输入为非整数的词嵌入层的需求；S2、将接收端收到的信息和实际信息进行一一对应作为序列，并在每个序列的开头和结尾添加开始和结束标识符；S3、在Transformer模型训练阶段，通过将经过预处理的数据输入到Transformer模型中，得到数据的深层特征信息；S4、利用模型进行实际数据的预测，将原本的分类问题，转化成预测问题；在发送端，信息比特序列u，经过调制产生发送符号序列x，序列u表示序列u的一个区块，把它映射到N个编码频域符号的向量中，表示为x＝[x0，…，xN-1]T，基于有理想的信道估计CSI，于是对于每一个OFDM符号，接收向量为：y＝FHtFHx+Fw；其中y，x和w分别对应于单个OFDM符号子块的y,x和w，F表示大小为N的DFT矩阵，Ht是时域信道矩阵，向量w表示时域加性白噪声AWGN向量，且服从均值为0方差为σ2的复高斯分布；在任意组β的索引调制中，涉及二维信号星座和索引星座，索引星座用来选择激发的子载波，在信号星座中有星座点，其中Ns是一个信号所携带的比特数，发送的信号向量如下：Sβ＝[Sβ，0，…，Sβ，na-1],Sβ，γ∈S，β＝0，…，g-1，γ＝0，…，na-1；索引星座I由2Na布尔向量组成Iβ＝[iβ，0，…，iβ，M-1]∈0，1M；其中汉明权重为na，其中iβ，γ＝1表示第β组的第γ个子载波被激发，β＝0，…，g-1，γ＝0，·…，M-1，对每个组可以定义一个一一映射对一个OFDM块，输入Na+naNsg个可能编码的比特，输出一个调制信号在Transformer模型训练阶段，输入原始数据，经过预处理之后，得到三个输出，其中z直接进入编码层，学习特征信息，bin则进入解码器，在学习阶段知道答案，然后经过线性层再进行softmax和计算交叉熵损失；在模型Transformer使用阶段，输入z，0，输入的0表示为起始符，每次使用模型都会得到一个预测的结果，得到的结果拼接在起始符之后，再次作为输入，输入到解码器迭代输出结果，最终经过逆处理恢复数据，从而计算误码率。

全文数据：

权利要求：

百度查询： 广东技术师范大学 一种适用于OFDM-IM的深度学习检测方法