[發(fā)明專(zhuān)利]大規(guī)模MIMO魯棒WMMSE預(yù)編碼器及其深度學(xué)習(xí)設(shè)計(jì)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202210201409.4
• 申請(qǐng)日: 2022-03-03
• 公開(kāi)（公告）號(hào): CN114567358B
• 公開(kāi)（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 高西奇;是鈞超;仲文;盧安安
• 申請(qǐng)（專(zhuān)利權(quán)）人: 東南大學(xué)
• 主分類(lèi)號(hào): H04B7/0456
• 分類(lèi)號(hào): H04B7/0456;H04B7/0426;H04L25/02;G06N3/0464;G06N3/08
• 代理公司: 南京瑞弘專(zhuān)利商標(biāo)事務(wù)所(普通合伙) 32249
• 代理人: 沈廉

1.一種大規(guī)模MIMO魯棒WMMSE預(yù)編碼器及其深度學(xué)習(xí)設(shè)計(jì)方法，其特征在于，所述方法中：基站通過(guò)各個(gè)用戶(hù)周期性發(fā)送的導(dǎo)頻信號(hào)獲取信道估計(jì)值，對(duì)信道估計(jì)值進(jìn)行統(tǒng)計(jì)獲取信道估計(jì)誤差的統(tǒng)計(jì)參數(shù)，以移動(dòng)性參數(shù)對(duì)其加權(quán)得到第k個(gè)用戶(hù)在第n個(gè)符號(hào)處的后驗(yàn)信道，即其中，表示在第一個(gè)符號(hào)處的信道估計(jì)值，用戶(hù)參數(shù)β_k,n表征信道估計(jì)值的老化程度，m_k為具有非零元素的確定性矢量，w_k,n為復(fù)高斯隨機(jī)矢量，其元素為零均值和單位方差的獨(dú)立同分布，在基站配備大規(guī)模ULA時(shí)可以近似為DFT矩陣；將魯棒預(yù)編碼器設(shè)計(jì)建模為在總發(fā)射功率約束下遍歷和速率最大化問(wèn)題，并找到其下界以簡(jiǎn)化計(jì)算，通過(guò)魯棒WMMSE預(yù)編碼器或其深度學(xué)習(xí)設(shè)計(jì)方法，用于下行傳輸；

所述的魯棒WMMSE預(yù)編碼器是將遍歷和速率下界最大化問(wèn)題等價(jià)轉(zhuǎn)化為加權(quán)均方誤差最小化問(wèn)題，采用塊坐標(biāo)下降方法求解，即依次迭代更新統(tǒng)計(jì)魯棒接收機(jī)、權(quán)值參數(shù)和預(yù)編碼矢量，迭代收斂的魯棒WMMSE預(yù)編碼器的結(jié)構(gòu)采用低維參數(shù)表征：預(yù)編碼矢量的方向通過(guò)閉式計(jì)算，該閉式與低維參數(shù)、信道矩陣和信噪比有關(guān)；預(yù)編碼矢量的功率通過(guò)閉式計(jì)算，該閉式與預(yù)編碼矢量的方向、低維參數(shù)、信道協(xié)方差矩陣和信噪比有關(guān)；具體如下：預(yù)編碼矢量的方向?yàn)轭A(yù)編碼矢量的功率為其中，為歸一化的參數(shù)，∈為滿(mǎn)足的歸一化因子，P為功率閾值，h_k為第k個(gè)用戶(hù)的信道矢量，為其均值，σ²為噪聲方差；

所述的深度學(xué)習(xí)設(shè)計(jì)方法包括：1)離線(xiàn)階段：通過(guò)所述的魯棒WMMSE預(yù)編碼器生成數(shù)據(jù)集，訓(xùn)練低維特征參數(shù)神經(jīng)網(wǎng)絡(luò)；訓(xùn)練完成后，該神經(jīng)網(wǎng)絡(luò)可用于各種信道場(chǎng)景，無(wú)需重新訓(xùn)練；2)在線(xiàn)階段：利用各用戶(hù)終端的信道估計(jì)值、信道估計(jì)誤差的統(tǒng)計(jì)參數(shù)、信噪比，基于訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)計(jì)算低維特征參數(shù)；根據(jù)魯棒WMMSE預(yù)編碼器結(jié)構(gòu)，利用低維特征參數(shù)和信道狀態(tài)信息，通過(guò)閉式表達(dá)式計(jì)算預(yù)編碼矢量；該深度學(xué)習(xí)設(shè)計(jì)方法通過(guò)空間解相關(guān)方法擴(kuò)展到用戶(hù)多天線(xiàn)的場(chǎng)景。

2.根據(jù)權(quán)利要求1所述的大規(guī)模MIMO魯棒WMMSE預(yù)編碼器及其深度學(xué)習(xí)設(shè)計(jì)方法，其特征在于：所述的預(yù)編碼器結(jié)構(gòu)包括：魯棒WMMSE預(yù)編碼器利用低維特征參數(shù)和信道狀態(tài)信息通過(guò)閉式表達(dá)式計(jì)算，具體步驟為：利用低維特征參數(shù)和信道狀態(tài)信息計(jì)算預(yù)編碼矢量的方向；利用低維特征參數(shù)、預(yù)編碼矢量的方向和信道狀態(tài)信息計(jì)算功率分配；將預(yù)編碼矢量的方向和功率分配組合為預(yù)編碼矢量。

3.根據(jù)權(quán)利要求1所述的大規(guī)模MIMO魯棒WMMSE預(yù)編碼器及其深度學(xué)習(xí)設(shè)計(jì)方法，其特征在于：所述的低維特征參數(shù)神經(jīng)網(wǎng)絡(luò)由卷積層、全連接層和歸一化層構(gòu)成；具體包括：信道估計(jì)值的實(shí)部和虛部，信道估計(jì)誤差的統(tǒng)計(jì)參數(shù)，以三個(gè)通道的形式輸入至卷積層；卷積層的輸出矢量化，與信噪比一起輸入至全連接層；全連接層的輸出歸一化，作為低維特征參數(shù)神經(jīng)網(wǎng)絡(luò)的輸出。

4.根據(jù)權(quán)利要求1所述的大規(guī)模MIMO魯棒WMMSE預(yù)編碼器及其深度學(xué)習(xí)設(shè)計(jì)方法，其特征在于：所述的生成數(shù)據(jù)集的方法包括：在不同信噪比、用戶(hù)分布、移動(dòng)方向和速度等環(huán)境下，生成足夠的信道樣本及其對(duì)應(yīng)的信道估計(jì)誤差的統(tǒng)計(jì)參數(shù)；對(duì)于每一組信道樣本，重復(fù)如下步驟：通過(guò)魯棒WMMSE預(yù)編碼器的迭代設(shè)計(jì)計(jì)算低維特征參數(shù)；將該信道樣本、信道估計(jì)誤差的統(tǒng)計(jì)參數(shù)、信噪比、低維特征參數(shù)組合為一個(gè)樣本。

5.根據(jù)權(quán)利要求1所述的大規(guī)模MIMO魯棒WMMSE預(yù)編碼器及其深度學(xué)習(xí)設(shè)計(jì)方法，其特征在于：所述的訓(xùn)練低維特征參數(shù)神經(jīng)網(wǎng)絡(luò)，分為預(yù)訓(xùn)練和細(xì)化訓(xùn)練兩個(gè)階段；1)首先隨機(jī)初始化神經(jīng)網(wǎng)絡(luò)，對(duì)其進(jìn)行預(yù)訓(xùn)練，最小化如下代價(jià)函數(shù)：低維特征參數(shù)的真實(shí)值和預(yù)測(cè)值的絕對(duì)均方誤差；2)再對(duì)預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)進(jìn)行細(xì)化訓(xùn)練，最小化如下代價(jià)函數(shù)：低維特征參數(shù)的真實(shí)值和預(yù)測(cè)值的絕對(duì)均方誤差和相對(duì)誤差的加權(quán)和；訓(xùn)練期間隨機(jī)交換每個(gè)批次中訓(xùn)練樣本的用戶(hù)順序，以增強(qiáng)樣本的多樣性。

6.根據(jù)權(quán)利要求1所述的大規(guī)模MIMO魯棒WMMSE預(yù)編碼器及其深度學(xué)習(xí)設(shè)計(jì)方法，其特征在于：所述的空間解相關(guān)方法，將信道矩陣分解多個(gè)單天線(xiàn)用戶(hù)的信道矢量，以易于實(shí)現(xiàn)的方式處理用戶(hù)端的各種天線(xiàn)配置；具體步驟包括：對(duì)用戶(hù)側(cè)信道相關(guān)矩陣做特征值分解，得到特征矩陣；對(duì)信道估計(jì)矩陣左乘該特征矩陣，得到解相關(guān)的信道估計(jì)矩陣；將該矩陣每一行都視為一個(gè)單天線(xiàn)用戶(hù)的信道估計(jì)矢量，通過(guò)所述的深度學(xué)習(xí)設(shè)計(jì)方法，計(jì)算對(duì)應(yīng)的預(yù)編碼矢量，再將其組合為完整的預(yù)編碼矩陣。