[發明專利]一種基于機器學習的空間調制天線選擇方法

在審

• 申請號: 201810389917.3
• 申請日: 2018-04-27
• 公開（公告）號: CN108667502A
• 公開（公告）日: 2018-10-16
• 發明（設計）人: 江科;游龍飛;楊平;肖悅
• 申請（專利權）人: 電子科技大學
• 主分類號: H04B7/06
• 分類號: H04B7/06;H04B7/08
• 代理公司: 成都點睛專利代理事務所(普通合伙) 51232
• 代理人: 孫一峰

1.一種基于機器學習的空間調制天線選擇方法，設定空間調制系統中有N_t根發送天線，N_r根接收天線，并從N_t根發送天線中選取N_s根天線進行發送，定義為被選中天線索引向量的集合，其中是第n種天線組合的被選中天線索引構成的向量，NS為所有可能的天線組合數，即其特征在于，所述方法包括以下步驟：

a、構造訓練集合：

a1、設有M個N_r×N_t維的信道矩陣作為訓練樣本，具體包括：

a11、從信道矩陣H_m生成實值特征向量d_m；

a12、重復步驟a11，直至為所有的H_m(m＝1,2,...,M)生成特征向量；

a13、生成訓練數據矩陣

a14、歸一化矩陣D，并生成歸一化特征矩陣T，其中T里面元素為：

t_i,j＝(d_i,j-E_i{d_i,j})/(max_i{d_i,j}-min_i{d_i,j}) (1)

a2、采用關鍵KPI來決定為樣本貼上何種標簽，所述關鍵KPI為頻譜效率、能量效率、BER和接收信號能量中的一種，具體為：

a21、對于第m個樣本H_m，計算每一種組合s_n對應的KPI；

a23、找出能使KPI最好的天線組合以及其對應的標簽l^*，令l^*作為標簽向量的第m個元素c_m；

a24、重復上述步驟，直至得到所有樣本H_m(m＝1,2,...,M)的對應標簽；

b、按如下過程利用特征矩陣T和標簽向量c建立學習系統：

b1、建立多級KNN分類器：從訓練樣本集合{t_r[m]}中，找出離新的觀測樣本t_r最近的k個樣本，然后基于多數票決，為t_r貼上標簽l^*；

b2、建立多級SVM分類器，即SVM采用一對其它的二元分類策略，主要過程如下：

b21、假設T_l時標簽為l的樣本特征向量作為行向量所構成的子訓練數據矩陣；對于所有的得到一個子訓練數據矩陣集合{T_l}；然后運行SVM來對兩個訓練群T_l和分類；

b22、生成二元標簽向量b_l＝[b_l[1],...,b_l[M]]^T，當c_m＝l時，b_l[m]＝1，否則b_l[m]＝0；

b23、用兩個訓練群和相應的二元標簽向量b_l，根據如下公式來解決二選一的邏輯回歸問題：

其中，C是懲罰因子，是代價函數，是學習參數向量，是高斯徑向基核函數向量，其第q個元素

f_q(t_r[m])＝exp(-||t_r[q]-t_r[m]||²/(2σ²))

給出了t_r[q]和t_r[m]間的相似度；

b24、重復步驟b23，直至遍歷完所有建立SVM分類器；

c、基于SVM分類器，在得到所有的θ_l后，利用公式(2)建立一個天線選擇系統，在輸入一個新的信道矩陣后，輸入分類器即可預知其所屬類別的標簽，即選出的天線組合索引，完成天線選擇。