(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211506238.2 (22)申请日 2022.11.29 (71)申请人 安徽电信规划设计有限责任公司 地址 230000 安徽省合肥市包河区桐城路 33号 (72)发明人 王跃　廖继勇　 (74)专利代理 机构 上海汉之律师事务所 31378 专利代理师 冯华 (51)Int.Cl. H04W 16/14(2009.01) H04W 16/22(2009.01) H04B 7/0456(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于深度学习的混合多址接入异构网络多 用户检测方法 (57)摘要 本发明涉及一种基于深度学习的混合多址 接入异构网络多用户检测方法， 具体包括获取若 干用户原始输入 数据； 利用混合接入 联合编码器 将用户原始输入 数据映射为码 字； 利用混合接入 联合编码器将每个资源块上的所有用户码字叠 加， 以获取叠加信号， 并通过信道将叠加信号传 输给多用户检测解码器； 利用多用户检测解码器 对接收到的叠加信号进行解码处理， 以获取每个 用户的解码数据； 基于获取到的上述数据来计算 多用户检测模 型的端到端损失函数的值； 基于多 用户检测模型的端到端损失函数的值来更新多 用户检测模型的参数； 进行迭代训练， 以获取训 练好的多用户检测模型。 利用训练好的模型进行 多用户检测时具有更好的误码率性能， 同时能够 降低检测复杂度。 权利要求书3页 说明书12页 附图5页 CN 115550934 A 2022.12.30 CN 115550934 A 1.一种基于深度学习的混合多址接入异构网络多用户检测方法， 其特征在于， 所述多 用户检测模型为基于深度学习的网络模型， 包括混合接入联合编码器、 信道以及多用户检 测解码器； 所述多用户检测模型训练方法， 包括： 获取若干蜂窝用户的原 始输入数据和若干终端直 通用户对的原 始输入数据； 利用所述混合接入联合编码器将所述蜂窝用户的原始输入数据和所述终端直通用户 对的原始输入数据映射 为码字； 利用所述混合接入联合编码器将每个资源块上的所有用户所述码字叠加， 以获取叠加 信号， 并通过信道将所述叠加信号传输给 所述多用户检测解码器； 利用所述多用户检测解码器对接收到的所述叠加信号进行解码处理， 以获取每个所述 蜂窝用户的解码数据和每 个所述终端直 通用户对的解码数据； 基于所述蜂窝用户的原始输入数据、 所述终端直通用户对的原始输入数据、 所述蜂窝 用户的解码数据及所述终端直通用户对的解码数据来计算所述多用户检测模型的端到端 损失函数的值； 基于所述多用户检测模型的端到端损失函数的值 来更新所述多用户检测模型的参数； 进行迭代训练， 直至满足训练停止条件， 以获取训练好的多用户检测模型； 基于训练好的所述多用户检测模型对混合多址 接入数据信号进行多用户检测。 2.根据权利要求1所述的基于深度学习的混合多址接入异构网络多用户检测方法， 其 特征在于， 所述混合接入联合编码器包括蜂窝用户的编码器和终端直 通用户对的编码器； 利用所述混合接入联合编码器将所述蜂窝用户的原始输入数据和所述终端直通用户 对的原始输入数据映射 为码字， 具体包括： 将所述蜂窝用户的原始输入数据和所述终端直通用户对的原始输入数据转为单热向 量； 利用所述蜂窝用户的编码器将所述蜂窝用户的单 热向量映射 为蜂窝用户的码字； 利用所述终端直通用户对的编码器将所述终端直通用户对的单热向量映射为终端直 通用户对的码字 。 3.根据权利要求2所述的基于深度学习的混合多址接入异构网络多用户检测方法， 其 特征在于， 利用所述蜂窝用户的编码器将所述蜂窝用户的单 热向量映射 为码字， 包括： 在所述蜂窝用户的编码器中通过卷积神经网络的自主学习完成所述蜂窝用户到资源 之间的码字映射， 以得到蜂窝用户的码字； 所述蜂窝用户 到资源 的码字映射可以用下式表示： 其中， 是蜂窝用户 到资源 的码字映射函数， 是蜂窝用户 的输入 数据向量， 是蜂窝用户 到资源 的卷积神经网络单 元的网络训练参数。 4.根据权利要求2所述的基于深度学习的混合多址接入异构网络多用户检测方法， 其 特征在于， 利用所述 终端直通用户对的编 码器将所述 终端直通用户对的单热向量映射为 终权　利　要　求　书 1/3 页 2 CN 115550934 A 2端直通用户对的码字， 包括： 在所述终端直通用户对的编码器中， 采用单载波方式， 每个终端直通用户对的发送端 配置一个卷积神经网络单元， 实现将所述单热向量编码为码字， 以得到终端直通用户对的 码字； 所述终端直 通用户对 到资源 的码字映射可以用下式表示： 其中， 是终端直通用户对 到资源 的码字映射函数， 是终端直通 用户对 的输入单 热数据向量， 是终端直 通用户对 到资源 的卷积神经网络单 元的网络训练参数。 5.根据权利要求1所述的基于深度学习的混合多址接入异构网络多用户检测方法， 其 特征在于， 在利用所述混合接入联合编码器将每个资源块上 的所有用户所述码字叠加， 以 获取叠加信号， 并通过信道将所述叠加信号传输给 所述多用户检测解码器的步骤中， 第 个所述叠加信号 通过下式表示： 其中， 表示第 个蜂窝用户单热编码数据映射到第 个资源 块上的蜂窝用户码字， 表示第 个终端直通用户对的发送端数 据映射到第 个资源块上的码字， 为第 个蜂窝用户与资源块 之间的信道增益, 为第 个终端直通用户对与资源块 之间的信道增益， 表 示蜂窝用户对 到资源 的卷积神经网络单元的网络训练参数， 表示终端直通 用户对 到资源 的卷积神经网络单 元的网络训练参数， 表示资源块 处的噪声。 6.根据权利要求1所述的基于深度学习的混合多址接入异构网络多用户检测方法， 其 特征在于， 所述多用户检测解码器包括共享层网络和特定用户层； 利用所述多用户检测解码器对接收到的所述叠加信号进行解码处理， 以获取每个所述 蜂窝用户的解码数据和每 个所述终端直 通用户对的解码数据， 具体包括： 利用所述共享层网络对所述叠加信号进行解码预处 理； 利用所述特定用户层对解码预处理后的所述叠加信号进行处理， 以获取特定用户层输 出数据；权　利　要　求　书 2/3 页 3 CN 115550934 A 3