基于学习因子图的数据与模型联合驱动的信号检测方法
公开
摘要
本发明提供一种基于学习因子图的数据与模型联合驱动的信号检测方法，通过收集通信的发送数据X与接收数据Y；搭建CNN‑BiLSTM网络作为分类神经网络；使用基于Akaike信息准则的混合高斯模型去拟合信道接收数据Y的分布，得到边缘概率密度；模式识别网络重构训练集，对CNN‑BiLSTM网络进行线下训练，得到条件概率密度；计算得到通过因子图的消息传递算法实现信号检测所需要的因子节点；根据有限记忆信道的记忆长度与学习到的因子节点在学习因子图上进行前向后向的消息传递算法，实现最大后验概率准则下的信号检测；该方法能够在不需要信道知识的无信道模型中实现接近最优的信号检测性能，具有更准确的检测结果，且对不确定性训练的具有优秀的鲁棒性。
基本信息
专利标题 ：
基于学习因子图的数据与模型联合驱动的信号检测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114614920A
申请号 ：
CN202210245167.9
公开（公告）日 ：
2022-06-10
申请日 ：
2022-03-10
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
徐友云兰媛媛王小明蒋锐李大鹏胡静
申请人 ：
南京邮电大学
申请人地址 ：
江苏省南京市栖霞区亚东新城文苑路9号
代理机构 ：
南京正联知识产权代理有限公司
代理人 ：
王素琴
优先权 ：
CN202210245167.9
主分类号 ：
H04B17/29
IPC分类号 ：
H04B17/29 H04B17/391 G06K9/62 G06N3/04 G06N3/08
法律状态
2022-06-10 ：
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
