[發明專利]基于機器學習的發射機碼字選擇方法、裝置和發射機

有效

• 申請號: 201711463203.4
• 申請日: 2017-12-28
• 公開（公告）號: CN108183736B
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 楊陽;劉軍;尤亞楠;劉芳
• 申請（專利權）人: 北京郵電大學
• 主分類號: H04L25/02
• 分類號: H04L25/02;H04B7/0456
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 項京;馬敬

1.一種基于機器學習的發射機碼字選擇方法，其特征在于，應用于發射機，所述方法包括：

獲取發射機的當前參數信息；所述參數信息包括：發射機的發射參數信息以及發射機所使用的發射信道的信道狀態信息；

將所述當前參數信息輸入到預先存儲的分類模型中，得到發射機碼字；所述分類模型是預先根據數據樣本庫中的參數信息以及對應的碼字，按照機器學習的方法訓練得到的；所述數據樣本庫包括：多個樣本，其中每個樣本都包括一個發射機的參數信息以及對應的碼字；

所述數據樣本庫由通信系統中基站執行如下步驟建立的：

預先對到達接收機的歷史數據進行收集，形成數據樣本庫；所述歷史數據包括每個到達接收機的信號對應的發射機參數信息和碼字；

所述對到達接收機的歷史數據進行收集包括：

接收發射機在發送信號的同時上報的發射機參數信息以及對應的碼字并記錄

或

檢測來自發射機的信號并對當前信道進行信道估計，從而獲得所述信號對應的發射機參數信息以及碼字并記錄；

所述按照機器學習的方法訓練，包括：

所述通信系統中基站，依據每個樣本中的碼字，用碼字在碼本中的索引對所述數據樣本庫中的樣本進行標記；

將相同標記的樣本確定為一類，共N^c種類別，其中，N^c為碼本中碼字的個數；

對于任意的兩類樣本：m類樣本和n類樣本，其中m，n滿足mn，且m，n∈{1，2，…，N^c}，N^c表示所述樣本庫中樣本的類別總數，使用機器學習算法得到一個針對m類樣本和n類樣本的分離超平面方程：其中x′為自變量，y′為因變量，為針對樣本m和樣本n的超平面方程的系數，為針對樣本m和樣本n的超平面方程的常數項，且和的維度和樣本的維度相同；

獲得個分離超平面方程。

2.根據權利要求1所述的方法，其特征在于，

所述每個樣本為一個多維的向量{x，i^c}，其中i^c表示樣本中的碼字在碼本中的索引；向量x表示樣本中發射機的參數信息，滿足如下形式：

其中，α_l,分別表示發射機發射的信號在第l條路徑上的信道增益、信號離開角和信號到達角，d表示發射機和接收機二者的距離，p_UE表示發射機的發射功率；l∈{1,2,…,L}，其中L為信號傳播的總徑數。

3.根據權利要求2所述的方法，其特征在于，所述對于任意的兩類樣本：m類樣本和n類樣本，其中m，n滿足mn，且m，n∈{1，2，…，N^c}，N^c表示所述樣本庫中樣本的類別總數，使用機器學習算法得到一個針對m類樣本和n類樣本的分離超平面方程包括：

獲取所述m類樣本和n類樣本中的全部樣本，記所述兩類樣本中的全部樣本總數為J，則所述m類樣本和n類樣本中的全部樣本可以表示為x₁,x₂,x₃…x_J；

對其中任意一個樣本x_j進行賦值，j∈{1,2,…,J}，記為y_j，滿足以下式子：

則對于所述m類樣本和n類樣本，使用機器學習算法求解方程：

在滿足的前提下，求解的最小值；

其中，為針對樣本m和樣本n的超平面方程的系數，表示向量的轉置，Φ(x_j)表示對于樣本x_j的核函數；

根據求解結果得到任意兩類樣本：m類樣本和n類樣本的分離超平面方程的系數以及常數項

4.根據權利要求3所述的方法，其特征在于，所述對于所述m類樣本和n類樣本，使用機器學習算法求解方程，包括：

使用SVM分類器，采用二次規劃算法、序列最小化算法或最小均方誤差算法求解方程。