[發(fā)明專利]基于深度學(xué)習(xí)的大規(guī)模多天線系統(tǒng)信道估計(jì)方法有效
| 申請(qǐng)?zhí)枺?/td> | 202010520822.8 | 申請(qǐng)日: | 2020-06-09 |
| 公開(公告)號(hào): | CN111935037B | 公開(公告)日: | 2022-07-12 |
| 發(fā)明(設(shè)計(jì))人: | 劉楠;金子程;潘志文;尤肖虎 | 申請(qǐng)(專利權(quán))人: | 東南大學(xué) |
| 主分類號(hào): | H04L25/02 | 分類號(hào): | H04L25/02;G06N3/04;G06N3/08 |
| 代理公司: | 南京眾聯(lián)專利代理有限公司 32206 | 代理人: | 許小莉 |
| 地址: | 210096 *** | 國省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 深度 學(xué)習(xí) 大規(guī)模 天線 系統(tǒng) 信道 估計(jì) 方法 | ||
1.一種基于深度學(xué)習(xí)的大規(guī)模多天線系統(tǒng)信道估計(jì)方法,該方法基于配備混合精度ADC的大規(guī)模MIMO系統(tǒng),設(shè)該系統(tǒng)的基站配備M根天線,分為高精度ADC天線集合和低精度ADC天線集合兩個(gè)集合,和滿足和式中為空集,每根天線配備兩個(gè)ADC,分別量化接收到的信號(hào)的實(shí)部(Re)與虛部(Im),其特征在于:對(duì)其進(jìn)行信道估計(jì)的方法包括如下步驟:
S1.在基站處根據(jù)系統(tǒng)模型和信道模型產(chǎn)生訓(xùn)練用信道和接收并量化的導(dǎo)頻信號(hào),構(gòu)建RC-DNN的訓(xùn)練樣本;
S2.將步驟S1中構(gòu)建的訓(xùn)練樣本輸入RC-DNN進(jìn)行訓(xùn)練;
S3.將接收并量化的導(dǎo)頻信號(hào)輸入步驟S2中訓(xùn)練完成后的RC-DNN獲得RC-DNN的輸出并將同第n個(gè)訓(xùn)練樣本對(duì)應(yīng)的高精度ADC天線接收并量化后的導(dǎo)頻信號(hào)rH,n合并成Ref-DNN的第n個(gè)訓(xùn)練樣本的輸入sn,并生成Ref-DNN的第n個(gè)訓(xùn)練樣本;
S4.將步驟S3中構(gòu)建的訓(xùn)練樣本輸入Ref-DNN進(jìn)行訓(xùn)練;
S5.將步驟S2中訓(xùn)練完成后的RC-DNN與步驟S4中訓(xùn)練完成后的Ref-DNN儲(chǔ)存于基站處,用于在線階段的信道估計(jì);
S6.用戶向基站發(fā)送導(dǎo)頻信號(hào),將由用戶發(fā)送且經(jīng)基站天線接收并量化的導(dǎo)頻信號(hào)ru輸入RC-DNN得到低精度ADC天線處的估計(jì)信道
S7.將步驟S6中得到的低精度ADC天線處的估計(jì)信道與高精度ADC天線接收并量化后的導(dǎo)頻信號(hào)rH,u合并為Ref-DNN的輸入su,將su輸入Ref-DNN,獲得用戶到所有天線的估計(jì)信道
2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的大規(guī)模多天線系統(tǒng)信道估計(jì)方法,其特征在于:步驟S1的具體方法為:
信道模型如下:
式中,h為用戶到基站的信道,L為信道多徑數(shù)目,βl為第l條傳播路徑的增益,為第l條傳播路徑的到達(dá)角,為第l條傳播路徑的導(dǎo)向矢量;
根據(jù)信道模型,產(chǎn)生Ntr個(gè)獨(dú)立的信道,第n個(gè)信道hn對(duì)應(yīng)產(chǎn)生第n個(gè)RC-DNN和Ref-DNN的訓(xùn)練樣本,為生成訓(xùn)練樣本,還需要產(chǎn)生接收的導(dǎo)頻信號(hào),第n個(gè)訓(xùn)練樣本對(duì)應(yīng)的接收的導(dǎo)頻信號(hào)如下:
其中P為用戶發(fā)射功率,zn為第n個(gè)信道的高斯白噪聲;
設(shè)第n個(gè)訓(xùn)練樣本的量化后的導(dǎo)頻信號(hào)為rn,設(shè)基站處有M根天線,[rn]m第m根基站天線對(duì)應(yīng)的rn的元素,則有:
其中和分別為高精度和低精度ADC的量化函數(shù),[yn]m為第m根基站天線對(duì)應(yīng)的yn的元素;
RC-DNN的第n個(gè)訓(xùn)練樣本形式為其中為輸入rn時(shí)RC-DNN的輸出試圖接近的目標(biāo)數(shù)據(jù),hL,n為第n個(gè)訓(xùn)練樣本中用戶設(shè)備到配備低精度ADC的天線的信道,c為一比例常數(shù)。
3.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)的大規(guī)模多天線系統(tǒng)信道估計(jì)方法,其特征在于:所述的基于深度學(xué)習(xí)的大規(guī)模多天線系統(tǒng)信道估計(jì)方法,比例常數(shù)c的確定規(guī)則為,對(duì)于所有訓(xùn)練樣本,計(jì)算所有天線對(duì)應(yīng)信道的功率,通過調(diào)整c,確保所有天線對(duì)應(yīng)信道的功率不超出RC-DNN和Ref-DNN的輸出層激活函數(shù)的范圍。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于東南大學(xué),未經(jīng)東南大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010520822.8/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 根據(jù)用戶學(xué)習(xí)效果動(dòng)態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個(gè)人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動(dòng)學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)
- 游戲?qū)W習(xí)效果評(píng)測(cè)方法及系統(tǒng)





