本发明属于无线通信技术领域，具体涉及一种面向多输入多输出检测的模型驱动的深度神经网络方法。符号检测方法是提高系统频谱效率的重要一环，所以本发明致力于设计更优的符号检测器，以此来提升系统性能以及降低时间复杂度。本发明采用基于模型驱动的深度学习方法，将贝叶斯估计算法展开成多层深度学习网络，通过最大化松弛的证据下界(ELBO)来优化学习参数，可以获得具有性能优势和较低时间复杂度的检测器。不同于现有深度学习方案，本发明所提出的方案无需知道噪声方差，这是由于本发明所提出的方法可以自动更新噪声，这具有现实意义。同时，本发明所提出方案适用于离线和在线训练两种模式。
声明：
“面向多输入多输出检测的模型驱动的深度神经网络方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
901
编辑：管理员
来源：北方有色网
咨询细节
