[發明專利]一種基于深度學習的毫米波信道波束訓練方法

有效

• 申請號: 201910609278.1
• 申請日: 2019-07-08
• 公開（公告）號: CN110417444B
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 戚晨皓;王宇杰;馬文焱
• 申請（專利權）人: 東南大學
• 主分類號: H04B7/0413
• 分類號: H04B7/0413;H04B7/06;H04B7/08;G06N3/04
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 熊玉瑋

本發明公開了一種基于深度學習的毫米波信道波束訓練方法，屬于電通信技術領域，所要解決的技術問題在于降低波束訓練的開銷，在波束訓練中加入一個事先訓練好的神經網絡，用于預測信道矩陣對應的最佳收發波束組合。低精度模式下，在已設計好的收發波束集合中選擇若干組收發波束組合，對信道進行實測，將實測結果輸入神經網絡，將神經網絡的輸出作為信道矩陣的最佳收發波束組合的預測。在高精度模式下，先實施低精度模式的初測，補測階段在初測輸出的最佳收發波束組合概率向量基礎上，選擇若干組不同的收發波束組合，對信道進行實測，最終將初測和補測中接收信號強度最大的收發波束組合作為信道矩陣的最佳收發波束組合的預測。

技術領域

本發明公開了一種基于深度學習的毫米波信道波束訓練方法，涉及毫米波無線通信技術，屬于電通信技術領域。

背景技術

近年來，隨著互聯網產業的不斷發展，無線數據流量正持續性地增長，當前通信系統提供的業務已逐漸落后于用戶的需求，因此，即將于2020年投入商用的第五代通信系統(5G)成為了通信領域的研究熱點。值得注意的是，目前的移動通信主要集中在6GHz以下的較低頻段，但是由于數據量的增長，低頻段的頻譜資源已經十分擁擠，無法滿足5G峰值速率10Gbps的通信要求，而30GHz-300GHz的毫米波頻段可以為我們提供足夠的未經開發商用的頻譜資源，因此毫米波通信已成為廣大5G研究者們研究的重點。

考慮到毫米波的高頻特性，信號在實際通信過程中存在更高的路徑損耗。為了克服上述困難，研究者們根據毫米波波長短的特點，提出了結合大規模多輸入多輸出(massive MIMO)系統以及波束成形技術的解決方案。大規模天線陣列能夠提供足夠的陣列增益，能有效補償毫米波信號傳播過程中的損耗，而波束成形技術則能夠將傳輸能量集中在特定的波束指向上，提高了系統能量效率和頻譜效率，也減少了用戶間干擾。

在毫米波大規模MIMO系統中，獲取適配于毫米波信道的最佳收發波束十分重要。毫米波信道通常包含一條視距路徑和若干條非視距路徑，若能將收發波束對準信道的視距路徑方向，信號傳輸中的信道增益較大，引起的信號衰減較小。獲取毫米波信道的最佳收發波束組合的過程稱為波束訓練。最直接的波束訓練方法是波束掃描。在進行波束掃描前，預先在收發端約定發送波束集合與接收波束集合。波束掃描時，測試發送波束集合與接收波束集合的所有收發波束組合，從中選擇接收信號強度最大的一種組合作為最佳的收發波束。這種波束掃描的方法盡管具有較好的性能，但是需要遍歷所有的收發波束組合，開銷較大。

為減少波束訓練開銷，文獻[1]“毫米波通信增強信道估計和碼書的設計”(Z.Xiao,H.Dong,L.Bai,P.Xia,and X.Xia,“Enhanced channel estimation andcodebook design for millimeter-wave communication,”IEEE Trans.Veh.Technol.,vol.67，no.10，pp.9393-9405，Oct.2018.)采用基于分層碼本的波束訓練方法，在碼本的上層包含數量較多的寬波束碼字，在碼本的下層包含數量較少的窄波束碼字，在波束訓練時，先采用寬波束掃描，然后選擇寬波束對應的窄波束進行細化的波束掃描。該項工作的難點在于寬波束的設計問題。一種設計寬波束的方法是關閉部分天線，但這樣會造成總發射功率的下降和信號輻射范圍的縮小；另一種方法是使用更多的射頻鏈路，但這樣會提高硬件復雜度及功耗。