申请/专利权人：北京大学

申请日：2020-07-16

公开（公告）日：2020-11-24

公开（公告）号：CN111988249A

主分类号：H04L25/03(20060101)

分类号：H04L25/03(20060101);H04J14/02(20060101);G06N3/08(20060101)

优先权：

专利状态码：有效-授权

法律状态：2023.01.17#授权;2020.12.11#实质审查的生效;2020.11.24#公开

摘要：本发明公开了一种基于自适应神经网络的接收端均衡方法及接收端。本方法为：1在接收端的数字信号处理流程中嵌入一自适应神经网络，包括神经网络、判决单元和损失计算单元；2将接收符号生成特征向量作为训练数据、对应的发送符号作为标签，训练神经网络；3将训练好的神经网络的参数作为自适应神经网络的初始化参数；4将待均衡的接收符号对应的特征向量输入自适应神经网络，得到对应的输出记为y并作为均衡后的符号输出；5y经判决单元后得到伪标签6损失计算单元计算y与之间的误差L，以及L对神经网络参数的梯度；7计算平均梯度去更新神经网络参数，对后续待均衡的接收符号进行均衡处理后输出。

主权项：1.一种基于自适应神经网络的接收端均衡方法，其步骤包括：1在接收端的数字信号处理流程中嵌入一自适应神经网络，用于对接收符号进行均衡；所述自适应神经网络包括神经网络、判决单元和损失计算单元；2将所述接收符号生成特征向量作为训练数据、所述接收符号对应的发送符号作为标签，训练所述神经网络；其中第k个接收符号对应的特征向量记为xk；3将训练好的神经网络的参数作为所述自适应神经网络的初始化参数；4将待均衡的接收符号对应的特征向量x依次输入所述自适应神经网络，得到对应的输出记为y并作为均衡后的符号输出；若接收符号对应的发送符号为实数，则y为一个实数；若接收符号对应的发送符号为复数，则y为一个向量，包括发送符号的实部与虚部；5y经所述判决单元后得到伪标签6损失计算单元计算网络输出y与伪标签之间的误差L，以及误差L对所述神经网络参数θ的梯度7计算B个特征向量对应的平均梯度其中B≥1，gk表示第k个特征向量所对应的梯度；然后更新神经网络参数对后续待均衡的接收符号进行均衡处理后输出，其中η为所述自适应神经网络的学习率。

全文数据：

权利要求：

百度查询： 北京大学 一种基于自适应神经网络的接收端均衡方法及接收端

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD