面向多输入多输出检测的模型驱动的深度神经网络方法
授权
摘要
本发明属于无线通信技术领域，具体涉及一种面向多输入多输出检测的模型驱动的深度神经网络方法。符号检测方法是提高系统频谱效率的重要一环，所以本发明致力于设计更优的符号检测器，以此来提升系统性能以及降低时间复杂度。本发明采用基于模型驱动的深度学习方法，将贝叶斯估计算法展开成多层深度学习网络，通过最大化松弛的证据下界(ELBO)来优化学习参数，可以获得具有性能优势和较低时间复杂度的检测器。不同于现有深度学习方案，本发明所提出的方案无需知道噪声方差，这是由于本发明所提出的方法可以自动更新噪声，这具有现实意义。同时，本发明所提出方案适用于离线和在线训练两种模式。
基本信息
专利标题 ：
面向多输入多输出检测的模型驱动的深度神经网络方法
专利标题（英）：
暂无
公开（公告）号 ：
CN113794660A
申请号 ：
CN202111061017.4
公开（公告）日 ：
2021-12-14
申请日 ：
2021-09-10
授权号 ：
CN113794660B
授权日 ：
2022-06-07
发明人 ：
方俊万千黄银森段惠萍李鸿彬
申请人 ：
电子科技大学
申请人地址 ：
四川省成都市高新西区西源大道2006号
代理机构 ：
成都点睛专利代理事务所(普通合伙)
代理人 ：
孙一峰
优先权 ：
CN202111061017.4
主分类号 ：
H04L25/02
IPC分类号 ：
H04L25/02 H04B7/0413 G06F17/16 G06F17/18 G06N3/04 G06N3/08
法律状态
2022-06-07 ：
授权
2021-12-31 ：
实质审查的生效
IPC(主分类) : H04L 25/02
申请日 : 20210910
申请日 : 20210910
2021-12-14 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
