1.基于卷积神经网络的MIMO天线数目估计方法，包括合作通信方的MIMO天线系统和第三方非合作通信接收方，其中，合作通信MIMO天线系统双方采用多天线发射和接收信号，非合作方采用单天线接收信号，非合作接收方包括如下步骤：

1)信号的分类打包：单天线将采集的I/Q射频信号进行标签处理，采集的I/Q射频信号数据针对发射端不同天线数目情况烙印不同的标签，采集多组数据存储，单天线采集的I/Q两路射频信号，I/Q分量是正交的，互不相干，以1024个I/Q数据为一个训练包，2根天线、3根天线、4根天线训练时各采用2000组，组成数据集。信源数据经过编码调制，然后通过MIMO的信号处理加载数据到不同的天线上，MIMO信号处理包括空间复用和空间分集，空间复用将数据分成几个数据流，采用不同的编码矩阵，在不同的天线上传输，S1,S2代表不同符号数据：空间分集就是在不同信道发送相对冗余的数据，同时空间分集又可以分为接收分集和发射分集,分集技术中的空时块编码应用空间和时间分集，在卷积神经网络训练模型中，将同时输入空间复用和空间分集的不同发射天线的数据；

2)模型构建：将步骤1)得到的数据集输入到卷积神经网络模型，模型分类输出的是信号的不同发射天线数目，所述卷积神经网络模型设有顺序连接的输入层、第一卷积层、第二卷积层、第一密集连接层、第二密集连接层和输出层，其中，第一卷积层和第二卷积层中的激活函数为relu函数，第一密集连接层选择的激活函数为relu函数，第二密集连接层选择softmax分类激活函数，输出层输出3个节点，分别对应的是2根发射天线、3根发射天线、4根发射天线的3种情况；

3)训练：根据步骤1)中采集的数据，按照训练数据：测试数据＝7:3，将训练数据输入到卷积神经网络进行训练；

4)测试：将测试数据集输入到步骤3)中训练好的卷积神经网络，根据天线数目估计卷积网络测试混淆矩阵中对角线上的值大于0.8和训练性能表现中训练精度和测试精度二者曲线的拟合度精度达到0.8以上，就认为测试数据通过训练模型的表现效果好；

5)评价：依据步骤4)测试中表现，如果混淆矩阵中对角线上的值大于0.8，或者训练性能中的精度大于0.8，即认为卷积神经网络的性能就能满足天线数目估计分类的要求，当然值约接近1时，性能越好；

6)调整：依据步骤4)中的测试和依据步骤5)的性能表现进行评价，如果测试的损失度随着训练的损失度一起下降，说明网络在学习，这是最好的，以此来决定是否更改步骤2)中模型的卷积核数目、大小参数，提升识别率。