[發明專利]一種非線性多輸入多輸出信道估計方法和估計系統

有效

• 申請號: 202210824124.6
• 申請日: 2022-07-13
• 公開（公告）號: CN115395991B
• 公開（公告）日: 2023-08-25
• 發明（設計）人: 鞏譯;劉俁佳;孟繁軻;袁偉杰;徐湛
• 申請（專利權）人: 北京信息科技大學
• 主分類號: H04B7/0413
• 分類號: H04B7/0413;H04L25/02
• 代理公司: 西安亞信智佳知識產權代理事務所(普通合伙) 61241
• 代理人: 段國剛

1.一種非線性多輸入多輸出信道估計方法，其特征在于，包括：

利用調制解調器，將接收到的射頻信號下變頻到基帶，根據基帶信號獲取復基帶信號，并將所述復基帶信號的幅度和預設相位作為觀測值，進行基帶信號處理；

將基帶信號處理后的信息輸入到非線性多輸入多輸出信道中，并對所述非線性多輸入多輸出信道進行初始信道估計，得到初始信道估計值；

其中，將基帶信號處理后的信息輸入到非線性多輸入多輸出信道中，并對所述非線性多輸入多輸出信道進行初步信道估計，得到初步信道估計值的步驟包括：

將復基帶信號處理后的信息初始化，并利用先驗模型和似然函數，得到先驗概率，根據所述先驗概率得到后驗概率；

對信息輸出通道進行線性處理和非線性處理，同時對信息輸入通道進行線性處理和非線性處理；

重復對信息輸出通道和信息輸入通道進行線性和非線性處理，通過不斷迭代過程，得到初始信道估計值；其中，

所述先驗概率包括：根據所述先驗概率得到所述后驗概率包括：

其中，z_k表示z＝As的第k個值，z＝As表示噪聲影響前的結果；RF鏈為射頻鏈；表示以為變量，均值為z_k，方差為的復高斯分布；

對所述信息輸出通道進行線性處理，計算z_k的信息輸出通道的方差公式包括：

計算z_k的信息輸出通道的估計值公式包括：

其中，A_kn表示信道傳輸中的矩陣；表示第t次迭代s向量中第n個元素的方差列的值；表示第t次迭代P向量中第k個元素的方差；u_k(t-1)表示中間變量；表示t時刻s_n的均值；表示t時刻p_k的估計值；

對所述信息輸出通道進行非線性處理包括：

其中，u_k(t)是通過后驗概率估計的期望；其中，是概率歸一化常數；是以z_k為變量，均值為方差為的復高斯分布；是通過后驗概率估計的方差，表示來自功率分路器和傳統射頻鏈的方差；

對所述信息輸入通道進行線性處理，計算z_k的信息輸入通道的方差公式包括：

計算z_k的信息輸入通道的均值公式包括：

其中，表示第t次迭代α向量中第k個元素的方差列的值；表示第t次迭代r向量中第n個元素的方差；u_k(t)表示中間變量；表示t時刻s_n的均值；表示t時刻r_n的估計值；

對所述信息輸入通道進行非線性處理包括：

其中，表示t+1個時刻的s_n的均值；表示在和已知時s_n的期望；表示t+1個時刻的s_n的方差；表示在和已知時s_n的方差；

利用GAMP算法，將所述初始信道估計值作為深度神經網絡和卷積神經網絡的輸入，將信道的實際響應作為標簽，對所述深度神經網絡和所述卷積神經網絡進行訓練，得到最終信道估計值；

其中，利用RMSProp算法對所述深度神經網絡的參數進行更新，利用Adam算法對所述卷積神經網絡的參數進行更新；

所述RMSProp算法包括利用加權和偏差梯度的差分平方加權平均值，得到前一次迭代過程中損失函數累計的梯度動量，所述梯度動量包括：

其中，σ表示梯度下降的衰減因子；dw和db表示梯度；w和b均表示示更新參數，η表示學習率，μ表示累積變量；

所述Adam算法包括計算梯度的指數移動均值，包括：

其中，V_dw表示梯度的一階矩；S_dw表示梯度的二階矩；表示V_dw的偏置矯正；表示S_dw的偏置矯正；

對所述Adam算法進行偏差修正得到包括：

更新權重得到包括：

其中，α表示學習率或步長因子；β₁表示一階矩估計的指數衰減率；β₂表示二階矩估計的指數衰減率；ε表示為數值很小的超參數。