本发明提出一种车联网中基于机器学习优化的MIMO信息检测方法，针对车联网中路侧单元与车载单元之间进行无线通信的低延时高可靠要求与计算任务均衡问题，采用深度强化学习模型优化计算迁移策略，使用迫零算法和最小均方误差算法作为基本检测方法，LLL格基规约对信道矩阵做正交化处理，利用信号的正向传播与误差的反向传播，通过样本数据的训练，不断修正网络权值和阈值使误差函数沿负梯度方向下降，从而逼近期望输出。本发明使用机器学习BP神经网络算法，可以有效改善LLL格基规约预处理后的MIMO信息传输与检测，并且具有较高的检测稳定性和较低的计算复杂度。
声明：
“车联网中基于机器学习优化的MIMO信息检测方法” 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)
879
编辑：管理员
来源：北方有色网
咨询细节
