一种基于深度学习的MIMO-NOMA系统信号检测方法及系统

摘要

本发明公开了一种基于深度学习的MIMO‑NOMA系统信号检测方法及系统，属于无线通信技术领域，包括：获取含噪用户信号，基于预先构建的MIMO‑NOMA系统无线通信模型将用户发送的含噪用户信号转换为基站接收的接收信号；通过预先构造的MIMO‑NOMA系统信号检测模型用深度神经网络实现迭代步骤，使用接收信号和信道矩阵QL分解后得到的下三角矩阵作为深度神经网络的输入，在深度神经网络的输出层外接一个Softmax层，在Softmax层中进行软判决输出软信息，通过软信息采样得到含噪用户信号的符号取值，使用串行干扰消除算法消除噪声，得到干净接收信号的符号取值；将干净接收信号恢复为干净用户信号，从而得到干净用户信号的符号取值；提高了检测的准确性，误码率降低。