[發明專利]寬帶多用戶一比特毫米波系統模型輔助學習的解調方法

有效

• 申請號: 202010855899.0
• 申請日: 2020-08-24
• 公開（公告）號: CN111901270B
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 程翔;高詩簡
• 申請（專利權）人: 北京大學
• 主分類號: H04L27/14
• 分類號: H04L27/14;H04W28/06;G06N20/00
• 代理公司: 北京萬象新悅知識產權代理有限公司 11360
• 代理人: 黃鳳茹

本發明公布了一種寬帶多用戶一比特毫米波系統模型輔助學習的解調方法，包括：設計具有導頻部分、訓練部分和后綴部分的幀結構；依據毫米波信道模型信息獲取模板；利用有標簽模板訓練支撐向量機實現分類和輸入數據模板至分類器實現在線解調。采用本發明提供的技術方案，可創新性地將毫米波系統的特殊模型信道引入到學習解調中，使得系統可以支持串行傳輸，在獲取高能量效率的同時不損失數據率。與單一的學習方式相比，本發明可以有效地降低訓練的復雜度并且顯著地提升系統的誤碼性能。

技術領域

本發明屬于無線通信技術領域，涉及毫米波系統的解調技術，具體涉及一種適用于寬帶多用戶一比特毫米波系統的模型輔助學習的解調方法，利用毫米波的模型信息和機器學習方法進行毫米波系統的解調，有效提升一比特毫米波系統的誤碼性能。

背景技術

近年來，毫米波通信因其豐富的頻帶資源和巨大的容量優勢得到了廣泛的關注和研究，被認為是下一代無線通信的重要組成技術。為了克服毫米波的傳輸路徑損耗，毫米波系統通常會配備大規模天線陣列進行波束賦形。但是在毫米波段，數模/模數轉換器的功耗大、成本高，因此為每根天線配置高精度的數模/模數轉換器會極大增大系統的開銷。出于實際應用的考慮，一種稱作一比特毫米波系統，亦即是為每根天線配置一比特的數模/模數轉換器，因其能在低功耗下實現較高的通信速率，被認為是一種良好的折中方案。

與高精度系統相比，一比特系統由于嚴重的信號變形導致解碼非常困難。在多用戶寬帶系統下，相應的解碼問題面臨著更大的挑戰。第一，一比特系統帶來的非線性噪聲使得傳統的正交頻分復用方式不在適用，無法克服頻率選擇特性帶來的碼間串擾。第二，在多用戶系統下，除碼間串擾外，用戶間的同頻干擾會進一步加劇解碼的復雜度。第三，毫米波大規模陣列下信道維度高，使得計算復雜度高，難以支持線上模式處理。當前，針對于一比特系統的解調主要有兩種典型的方式，第一種是通過調整高精度系統下的解調算法，使其盡可能匹配一比特系統；另一種是通過機器學習的技術克服非線性噪聲，將解調化歸為分類問題進行處理。然而，這兩種技術目前都難以直接服務毫米波多用戶寬帶系統。為了增強一比特毫米波系統的可行性，設計低復雜度且能適用于多用戶和寬帶信道的解調方式具有重要的意義。

發明內容

為了克服單純依據模型信息或機器學習進行寬帶多用戶一比特毫米波系統解調的缺陷，本發明提出了一種聯合模型和學習的解調方法，可應用于寬帶多用戶一比特毫米波系統，該方案被命名為毫米波系統模型輔助學習的解調方法。

本發明的核心是：將一比特毫米波系統的數據解調化歸為有監督學習的分類問題，利用毫米波信道在延時域和角域的信息輔助機器學習，實現低導頻開銷和低計算復雜度的解調方案。具體而言，本方案首先設計了一比特毫米波系統合適的傳輸幀結構，該結構包括導頻部分、數據部分和后綴部分。在訓練階段，系統的各個用戶會傳送已知的偽隨機序列，系統基站依據接收到的數據，結合結合已知的毫米波信道模型在延時域和角域的信息訓練分類器；在傳輸階段，基站處理接收數據并輸入至已訓練好的分類器完成解調

為便于說明，本發明定義以下參數：

K為系統發端單天線用戶的數量；

N_a為系統收端配置的均勻陣列天線的維數；

a^*為a的共軛轉置；

a^T為a的轉置；

δ(·)為狄拉克函數

L代表信道的有效路徑數目；

d_m代表信道最大的延遲階數；

d為延時階數；取值范圍為[0,d_m)；

d_l,k為用戶k第l條有效路徑的延時；

θ_l,k為用戶k第l條有效路徑的到達角；