公开(公告)号：CN113641957B

公开(公告)日：2024-08-13

申请号：CN202110724687.3

申请日：2021-06-29

Applicant: 南京邮电大学

Inventor： 李飞 ,  王树晨

IPC: G06F17/18 ,  G06N3/047

Abstract: 本发明公开了一种基于归一化流的信号检测方法，获取接收信号的噪声数据集，并根据噪声数据集获取混合高斯分布的归一化概率密度，根据混合高斯分布的归一化概率密度，获取服从归一化的混合高斯分布的潜在变量与噪声分量的关系，将噪声数据集输入神经网络中，并根据潜在变量与噪声分量的关系计算潜在变量，根据所计算的潜在变量，计算噪声数据集的损失函数集，根据损失函数集中最小的损失函数，寻找具有最大对数似然数的信号，完成对信号的检测。本发明通过混合高斯噪声来获取潜在的变量，进而能够通过神经网络训练得到的最大对数似然值，进一步则可获取到所期望检测的信号，其在使用时，能够在混合有高斯噪声的情况下，依旧具有良好的检测性能。

公开(公告)号：CN113641957A

公开(公告)日：2021-11-12

申请号：CN202110724687.3

申请日：2021-06-29

Applicant: 南京邮电大学

Inventor： 李飞 ,  王树晨

IPC: G06F17/18 ,  G06N3/04

Abstract: 本发明公开了一种基于归一化流的信号检测方法，获取接收信号的噪声数据集，并根据噪声数据集获取混合高斯分布的归一化概率密度，根据混合高斯分布的归一化概率密度，获取服从归一化的混合高斯分布的潜在变量与噪声分量的关系，将噪声数据集输入神经网络中，并根据潜在变量与噪声分量的关系计算潜在变量，根据所计算的潜在变量，计算噪声数据集的损失函数集，根据损失函数集中最小的损失函数，寻找具有最大对数似然数的信号，完成对信号的检测。本发明通过混合高斯噪声来获取潜在的变量，进而能够通过神经网络训练得到的最大对数似然值，进一步则可获取到所期望检测的信号，其在使用时，能够在混合有高斯噪声的情况下，依旧具有良好的检测性能。