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！

龙图腾网获悉中国电子科技集团公司第五十四研究所申请的专利一种基于深度学习的大规模MIMO信号检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116846714B 。

龙图腾网通过国家知识产权局官网在2026-02-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310725215.9，技术领域涉及：H04L25/03；该发明授权一种基于深度学习的大规模MIMO信号检测方法是由赵梓焱;杨朔;李勇;刘丽哲;王毳;李行健;王斌;郭少雄;汪畅;夏金涛设计研发完成，并于2023-06-19向国家知识产权局提交的专利申请。

本一种基于深度学习的大规模MIMO信号检测方法在说明书摘要公布了：本发明公开了一种基于深度学习的大规模MIMO信号检测方法，属于通信技术领域。本发明通过设计搭建GROAMP‑Net智能检测网络模型，将OAMP迭代法与深度学习思想相结合，在检测精度上获得了较为显著的性能提升；由于设置了可训练参数，模型的适应能力大幅增强且更具弹性，可应用于时变信道；同时，残差结构和门控单元的引入有效解决了随着网络加深迭代过程误差累积导致网络性能退化的问题，让可训练参数的取值保持在合理范围内，进一步确保了模型检测过程的准确率。本发明算法相较于现有算法有明显的优越性，可解决传统非智能信号检测方法以及现有的智能信号检测算法的检测精度不足的问题。

本发明授权一种基于深度学习的大规模MIMO信号检测方法在权利要求书中公布了：1.一种基于深度学习的大规模MIMO信号检测方法，其特征在于，包括以下步骤： 步骤1，生成训练数据集和测试数据集；具体方式为： 在Python环境中搭建瑞利衰落的大规模MIMO信道模型，设置接收天线数M和发射天线数N均为32，通过调用随机函数生成比特流，选用4QAM调制方式将比特流调制为符号序列并引入加性信道噪声，在10dB的信噪比环境中生成相应的发射信号x、信道矩阵H、接收信号y以及噪声功率，用作训练数据集；在0~9dB和15~20dB的信噪比环境中生成相关数据用作测试数据集； 步骤2，构建GROAMP-Net智能信号检测网络模型，该模型基于改进的OAMP迭代法实现对原始发射信号的恢复； 步骤3，将步骤1中生成的训练数据集输入到步骤2中构建的GROAMP-Net智能信号检测网络模型中进行线下训练，观察损失函数曲线，确保模型收敛良好；使用测试数据集对收敛的模型进行测试，测试通过后得到训练好的GROAMP-Net智能信号检测网络模型； 步骤4，使用训练好的GROAMP-Net智能信号检测网络模型进行大规模MIMO信号检测； 所述GROAMP-Net智能信号检测网络模型为模型驱动的深度学习网络，包含十个结构相同的串联层；每一个串联层均完成相同的线性估计和非线性估计步骤，整个网络结构等效于优化后的OAMP迭代过程；其中，第一层的输入为原始接收信号、信道矩阵、噪声功率，后续每一层的输入为原始接收信号、信道矩阵、噪声功率，以及上一层中输出的发射信号估计结果； GROAMP-Net智能信号检测网络模型的每一层中均引入4个可训练参数，其中两个参数分别用于调整OAMP迭代法中线性估计和非线性估计两个步骤的变化步长，另外两个参数作为残差系数以构建残差结构，残差结构用于对线性估计和非线性估计的结果进行纠偏，从而减小迭代近似造成的误差对网络整体性能的影响； 此外，GROAMP-Net智能信号检测网络模型的每一层中还设置有门控单元，用于控制调整线性估计和非线性估计两个步骤变化步长的可训练参数，防止其在训练过程中出现不合理的取值； 所述门控单元由两种控制门组成，其系统函数分别为sigmoid函数和Leaky-ReLu函数；门控单元对两个可训练参数的控制方式为，可训练参数分别通过两个控制门后再相乘，得到新的值后用于后续处理； GROAMP-Net网络模型一方面引入残差结构，对随着迭代过程进行需要多次更迭的和进行纠偏；另一方面设置门控单元对可训练参数和进行优化，将其取值控制在合 理范围内； 其中，残差结构通过引入两个初始值为1的可训练参数和实现，和分别用于 处理和，具体处理方式如下式所示 1 2 31 4 其中，为第t-1个串联层的输出，y为接收信号，H为信道矩阵，为第t个串联层中线 性估计得到的中间值，为第t个串联层中非线性估计的误差方差，和分别为 残差结构下线性估计和非线性估计过程中的中间值，代指网络模型第t层的非线性估计 过程，，这里为线性MMSE矩阵，N为发射天线数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国电子科技集团公司第五十四研究所，其通讯地址为：050081 河北省石家庄市中山西路589号中国电子科技集团公司第五十四研究所通信网信息传输与分发技术国防重点实验室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。