本發明屬于無線通信技術領域,具體涉及一種面向多輸入多輸出檢測的模型驅動的深度神經網絡方法。符號檢測方法是提高系統頻譜效率的重要一環,所以本發明致力于設計更優的符號檢測器,以此來提升系統性能以及降低時間復雜度。本發明采用基于模型驅動的深度學習方法,將貝葉斯估計算法展開成多層深度學習網絡,通過最大化松弛的證據下界(ELBO)來優化學習參數,可以獲得具有性能優勢和較低時間復雜度的檢測器。不同于現有深度學習方案,本發明所提出的方案無需知道噪聲方差,這是由于本發明所提出的方法可以自動更新噪聲,這具有現實意義。同時,本發明所提出方案適用于離線和在線訓練兩種模式。
聲明:
“面向多輸入多輸出檢測的模型驅動的深度神經網絡方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)