模分多址接入方法、装置、设备及存储介质与流程

本发明涉及无线通信，尤其涉及一种模分多址接入方法、装置、设备及存储介质。

背景技术：

1、现有的模分多址技术中，发送节点首先将待传输的原始数据通过特征提取神经网络提取为语义向量，再将各个发送节点原始数据的语义向量经过加和后通过无线信道传输到接收节点，接收节点将接收到的语义向量输入各个发送节点对应的解码神经网络后解码出各自的原始数据。但在实际传输过程中，由于各个发送端的特征提取神经网络并不一定是完全正交的，当接收节点进行解码时，通过某一发送节点的解码神经网络解码出原始数据，会受到其他发送节点原始数据的语义向量的影响，可能导致解码的原始数据不准确。

2、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本发明的主要目的在于提供一种模分多址接入方法、装置、设备及存储介质，旨在解决现有技术中基于模分多址技术传输数据时，由于语义向量叠加传输，导致解码时相互干扰，解码得到的原始数据不准确的技术问题。

2、为实现上述目的，本发明提供了一种模分多址接入方法，所述方法包括以下步骤：

3、获取发送节点待传输的原始数据，并对所述原始数据进行特征提取，得到语义向量；

4、基于所述发送节点对应的功率参数，为所述语义向量分配对应的功率参数，得到功率语义向量；

5、对所述功率语义向量进行整合，得到功率整合向量；

6、将所述功率整合向量发送至接收节点进行解码，按照所述功率参数的数值大小顺序，依次得到所述发送节点的原始数据。

7、可选地，所述将所述功率整合向量发送至接收节点进行解码，按照所述功率参数的数值大小顺序，依次得到所述发送节点的原始数据，包括：

8、根据所述功率参数，在所述发送节点中确定目标节点与其他节点；

9、将所述功率整合向量输入所述目标节点对应的解码神经网络，得到所述目标节点的原始数据；

10、对所述目标节点的原始数据进行特征提取，得到所述目标节点的语义向量，并根据所述目标节点的语义向量与功率参数，得到所述目标节点的功率语义向量；

11、在所述功率整合向量中消除所述目标节点的功率语义向量，得到新的功率整合向量；

12、在所述其他节点的数量小于等于预设数量阈值时，将所述新的功率整合向量输入所述其他节点对应的解码神经网络，得到所述其他节点的原始数据。

13、可选地，所述根据所述功率参数，在所述发送节点中确定目标节点与其他节点，包括：

14、根据所述功率参数，对所述发送节点进行降序排序，得到节点序列；

15、根据所述节点序列，确定最大功率参数对应的发送节点，并将所述最大功率参数对应的发送节点作为所述目标节点；

16、根据所述目标节点，确定所述节点序列中的其他节点。

17、可选地，所述在所述功率整合向量中消除所述目标节点的功率语义向量，得到新的功率整合向量之后，还包括：

18、在所述其他节点的数量大于预设数量阈值时，将所述目标节点从所述节点序列中删除，得到新的节点序列；

19、根据所述新的节点序列，重新确定最大功率参数对应的发送节点，并调整所述目标节点与所述其他节点，返回执行将所述功率整合向量输入所述目标节点对应的解码神经网络，得到所述目标节点的原始数据的步骤。

20、可选地，所述获取发送节点待传输的原始数据，并对所述原始数据进行特征提取，得到语义向量，包括：

21、获取发送节点待传输的原始数据，将所述原始数据输入所述发送节点对应的特征提取神经网络，得到所述发送节点的语义向量；

22、所述对所述目标节点的原始数据进行特征提取，得到所述目标节点的语义向量，包括：

23、将所述目标节点的原始数据输入所述目标节点的对应的特征提取神经网络，得到所述目标节点的语义向量。

24、可选地，所述特征提取神经网络为卷积神经网络，不同的发送节点对应不同的特征提取神经网络。

25、可选地，所述基于所述发送节点对应的功率参数，为所述语义向量分配对应的功率参数，得到功率语义向量，包括：

26、基于预设归一化策略，对所述语义向量进行归一化处理，得到归一化后的语义向量；

27、基于所述发送节点对应的功率参数，为所述归一化后的语义向量分配对应的功率参数，得到所述功率语义向量。

28、此外，为实现上述目的，本发明还提出一种模分多址接入装置，所述模分多址接入装置包括：

29、特征提取模块，用于获取发送节点待传输的原始数据，并对所述原始数据进行特征提取，得到语义向量；

30、功率分配模块，用于基于所述发送节点对应的功率参数，为所述语义向量分配对应的功率参数，得到功率语义向量；

31、向量整合模块，用于对所述功率语义向量进行整合，得到功率整合向量；

32、数据解码模块，用于将所述功率整合向量发送至接收节点进行解码，按照所述功率参数的数值大小顺序，依次得到所述发送节点的原始数据。

33、此外，为实现上述目的，本发明还提出一种模分多址接入设备，所述模分多址接入设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的模分多址接入程序，所述模分多址接入程序配置为实现如上文所述的模分多址接入方法的步骤。

34、此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有模分多址接入程序，所述模分多址接入程序被处理器执行时实现如上文所述的模分多址接入方法的步骤。

35、在本发明中，通过获取发送节点待传输的原始数据，并对原始数据进行特征提取，得到语义向量，基于发送节点对应的功率参数，为语义向量分配对应的功率参数，得到功率语义向量，对功率语义向量进行整合，得到功率整合向量，将功率整合向量发送至接收节点进行解码，按照功率参数的数值大小顺序，依次得到发送节点的原始数据。由于语义向量叠加传输会导致解码时相互干扰，使得解码得到的原始数据不准确，本发明为不同的发送节点分配不同的功率参数，在接收节点按照功率参数从大至小的顺序，依次解码出各发送节点的原始数据，优先解码功率参数大的发送节点的语义向量，能够在解码时有效减少其他发送节点发送的语义向量叠加带来的干扰，可以通过串行干扰抵消的方式，提高解码的正确率，得到更准确的原始数据。

技术特征：

1.一种模分多址接入方法，其特征在于，所述模分多址接入方法，包括：

2.如权利要求1所述的方法，其特征在于，所述将所述功率整合向量发送至接收节点进行解码，按照所述功率参数的数值大小顺序，依次得到所述发送节点的原始数据，包括：

3.如权利要求2所述的方法，其特征在于，所述根据所述功率参数，在所述发送节点中确定目标节点与其他节点，包括：

4.如权利要求3所述的方法，其特征在于，所述在所述功率整合向量中消除所述目标节点的功率语义向量，得到新的功率整合向量之后，还包括：

5.如权利要求2所述的方法，其特征在于，所述获取发送节点待传输的原始数据，并对所述原始数据进行特征提取，得到语义向量，包括：

6.如权利要求5所述的方法，其特征在于，所述特征提取神经网络为卷积神经网络，不同的发送节点对应不同的特征提取神经网络。

7.如权利要求1至6任一项所述的方法，其特征在于，所述基于所述发送节点对应的功率参数，为所述语义向量分配对应的功率参数，得到功率语义向量，包括：

8.一种模分多址接入装置，其特征在于，所述模分多址接入装置，包括：

9.一种模分多址接入设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的模分多址接入程序，所述模分多址接入程序配置为实现如权利要求1至7中任一项所述的模分多址接入方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有模分多址接入程序，所述模分多址接入程序被处理器执行时实现如权利要求1至7任一项所述的模分多址接入方法的步骤。

技术总结
本发明属于无线通信技术领域，公开了一种模分多址接入方法、装置、设备及存储介质。该方法包括：获取发送节点待传输的原始数据，并对原始数据进行特征提取，得到语义向量；基于发送节点对应的功率参数，为语义向量分配对应的功率参数，得到功率语义向量；对功率语义向量进行整合，得到功率整合向量；将功率整合向量发送至接收节点进行解码，按照功率参数，依次得到发送节点的原始数据。通过串行干扰抵消的方式，减少解码时各个发送节点语义向量叠加带来的相互干扰，提高解码的正确率。

技术研发人员：董辰,王云璐,孙亚萍,梁灏泰,刘凯俊,陈昊
受保护的技术使用者：鹏城实验室
技术研发日：
技术公布日：2024/5/10