买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜广东工业大学申请的专利一种先验缺失场景下的迭代信号检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119094062B 。

龙图腾网通过国家知识产权局官网在2025-05-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411384415.3，技术领域涉及：H04B17/391；该发明授权一种先验缺失场景下的迭代信号检测方法及系统是由梁志毅;张浩川设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本一种先验缺失场景下的迭代信号检测方法及系统在说明书摘要公布了：本发明公开了一种先验缺失场景下的迭代信号检测方法及系统，涉及无线通信的技术领域。所述方法包括以下步骤：获取多输入多输出系统中的通信信号；基于所述通信信号，提取通信信号在先验分布场景下的初始估计；对通信信号及其在先验分布场景下的初始估计进行迭代精确化处理，得到关于通信信号和先验分布的最终估计，完成迭代信号检测。提供本发明所提的方法及系统，能够有效地建模单一的概率分布模型，且该模型适用于稠密先验的场景、模型的概率分布范围更广，同时有效提高信号检测的精度。

本发明授权一种先验缺失场景下的迭代信号检测方法及系统在权利要求书中公布了：1.一种先验缺失场景下的迭代信号检测方法，其特征在于，所述方法包括以下步骤：获取多输入多输出系统中的通信信号；基于所述通信信号，提取通信信号在先验分布场景下的初始估计；对通信信号及其在先验分布场景下的初始估计进行迭代精确化处理，得到关于通信信号和先验分布的最终估计，完成迭代信号检测；提取通信信号在先验分布场景下的初始估计的过程包括：线性均衡模块采用线性均衡器提取通信信号的初始估计；基于提取得到的通信信号的初始估计，线性均衡模块提取通信信号在先验分布场景下的初始估计；线性均衡模块采用零强制均衡法提取通信信号的初始估计，表达式为： 其中，H*表示对信道矩阵H取共轭转置后的矩阵，y表示接收信号；线性均衡模块采用最小均方误差均衡法提取通信信号的初始估计，表达式为： 其中，σ2表示信道的噪声方差，I表示元素全为1的向量，H*表示对信道矩阵H取共轭转置后的矩阵，y表示接收信号；线性均衡模块采用分箱建模法提取通信信号在先验分布场景下的初始估计，过程包括：查找向量的最小值和最大值定义合适间距并创建等距网格集合，表达式为： 设集合长度为R，则表达式为：再设定长度为R的向量其中是来自向量的元素落在以为中心的窗格区域的样本数目，表达式为： 计数向量在U个类别上遵循概率向量为fZF，试验次数为N的多项分布，表达式为： 得到零强制均衡法下，fZF在先验分布场景下的初始估计，表达式为： 基于零强制均衡法下得到的在先验分布场景下的初始估计，得到在最小均方误差均衡法下，fMMSE在先验分布场景下的初始估计，表达式为： 其中，表示基于零强制均衡法提取得到的通信信号在先验分布场景下的初始估计，表示基于最小均方误差均衡法提取得到的通信信号在先验分布场景下的初始估计，表示在零强制均衡法下的初始估计值，表示在最小均方误差均衡法下的初始估计值；对通信信号及其在先验分布场景下的初始估计进行迭代精确化处理的过程包括：将通信信号及其在先验分布场景下的初始估计输入迭代降噪模块与先验估计模块；迭代降噪模块对通信信号及其在先验分布场景下的初始估计进行迭代降噪，先验估计模块对降噪后的通信信号及其在先验分布场景下的初始估计进行反卷积，迭代学习更为精确的关于信号先验分布的估计；迭代降噪模块对通信信号及其在先验分布场景下的初始估计进行若干轮次迭代降噪；先验估计模块采用经验贝叶斯反卷积方法对降噪后的通信信号进行先验估计，表达式为： 设置损失函数对迭代精确化过程中的多输入多输出系统模型进行优化，当损失函数收敛或当预设的迭代轮次结束时，得到能够在先验缺失场景下进行迭代信号检测的多输入多输出系统模型；多输入多输出系统模型输出并获取信号的最终估计和先验分布的最终估计pTx；其中，均表示迭代过程中线性运算的中间变量，下标a表示长度为M的向量的第a个元素，下标i表示长度为n的向量的第i个元素，Hai表示矩阵H的第a行i列的元素，t＝1...T表示迭代的次数，函数η·和θ·的意思是取后验分布的均值和方差，和分别表示后验分布的均值和方差，表示执行基于贝叶斯反卷积的自由度为dof的先验估计，ya表示接收信号y的第a个元素；先验估计模块采用经验贝叶斯反卷积方法对降噪后的通信信号进行先验估计的过程包括：设在大维度系统中的标量状态演化方程表达式为： 其中，为方程中对应的随机变量；ε是均值为0，方差为的高斯随机变量，X是服从于真实分布gx的随机变量；设卷积式表达式为： 其中，为观测值的经验分布，为高斯形式的转移概率；对反卷积过程中的信号的虚部与实部分开处理，具体过程为：A：给定固定间隔的星座点取值空间B：对执行分箱建模，得到观测空间计数向量在S个类别上遵循概率向量为试验次数为N的多项分布，表达式为： C：先验估计模块设gx是上的指数族分布，采用离散公式表示为： 构建维度为S×L的转移矩阵P，矩阵元素为转移概率，表达式为： 使得卷积关系可以简化为矩阵乘法使可以简易地表示为关于α的函数；得到的对数似然函数为： 其中定义： 令Ws为L维向量，即Wsα＝[ws1α,ws2α,...,wsLα]T；得到关于α的评分函数为： 其中，α的最大似然估计通过数值最大化lα或者求解矩阵方程得到，代入回得到先验分布的估计px；其中，Q表示维度为L×dof的结构矩阵，使用自然样条基函数生成，表示Q的第j行向量；dof表示未知向量α的维度；1表示长度为L的全1向量，1vα用于确保概率归一化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东工业大学，其通讯地址为：510080 广东省广州市越秀区东风东路729号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。