[0015] 为了使本发明的目的和效果更加清楚,下面结合附图对本发明方法的具体实施方式进行详细说明。
[0016] 如图1所示,考虑多输入多输出(MIMO)系统,该系统信号从一个包含N个发射天线的基站(BS)传输到一个有M个接收天线的移动终端,假设任意发射天线和接收天线间的信道是平坦衰落的,则M×N基带信道复矩阵记作
[0017] G=[g1 g2 ... gM]H (1)
[0018] 其中 是一个包含N个发射天线和第m个接收天线间信道系数的复数行向量,m=1,2,…,M。接收机有信道矩阵G的信息。
[0019] 基于接收机的反馈,发射机选择K(从N个中)个发射天线并使用总功率约束来进行预编码,并传输信号 我们可以等价地说它使用一个预编码向量v∈VN,服从约束||v||0=K,其中
[0020] VN={v∈CN:||v||≤1} (2)
[0021] 那么下变频的脉冲匹配滤波接收到的M×1的向量为:
[0022]
[0023] 其中 是一个零均值加性有色复噪声向量,它的自相关矩阵记作R。由于y代表一个在有色噪声干扰下的未知信号向量,最大化信噪比滤波器就是最小均方差(MMSE)滤波器
[0024]
[0025] 其输出为
[0026]
[0027] 那么输出信噪比就是
[0028]
[0029] 其中 是M×N的变换后的信道矩阵。等式(6)显示了先验信噪比与预编码向量的关系。
[0030] 我们的目标是选择K个基站天线并优化预编码向量v以最大化先验信噪比(6)。也就是,我们寻找下面问题的解v
[0031]
[0032] 由于问题(7)中存在||v||0=K约束项,导致问题(7)为一个NP-hard问题。求解该问题需要依赖遍历搜索方法,否则无法得到全局最优解。而遍历搜索方法会使得计算时间复杂度随天线数量指数增加,在MIMO中难以在相干时间内计算出最佳的天线选择方案。
[0033] 因此,本发明利用深度学习(DL)求解天线选择问题。
[0034] 图2给出了利用深度学习进行MIMO系统天线选择流程图。具体地,可以描述如下:
[0035] 一种基于深度学习的MIMO系统联合预编码和天线选择方法,包括如下步骤:
[0036] (1):利用已有的天线选择方法得到深度神经网络所需要的训练数据集,所述训练数据集包含两部分:输入(input)数据集为信道矩阵(H)集合,输出(output)数据集为天线选择集合;获取最大发射功率P;
[0037] (2):初始化深度神经网络参数:权重w、偏置b、学习率L、最大训练次数I、处理数据大小c、各层神经元数目;
[0038] (3):建立深度学习模型,利用步骤1中得到的训练数据集训练深度学习模型并保存;
[0039] (4):利用导频方法进行信道估计得到信道矩阵H,利用步骤3中保存的深度学习模型,获得天线选择集合I;
[0040] (5):根据步骤4得到天线选择集合I,形成相应的MIMO子系统进行预编码处理即HI=H(:,I),对 进行特征值分解,令最大特征值对应的特征向量为v,取 作为预编码向量。
[0041] 下面通过具体实例对本发明的技术方案进行进一步阐述。已有的天线选择方法有辅助角算法,暴力搜索和稀疏主成分分析算法等,在实验中,我们利用辅助角算法得到所需的训练数据集。此外,在实验中,我们采用8-2(8根发射天线,2根接收天线以及选择发射天线数量等于接收天线数量),16-2,32-2,64-2进行方法验证。具体地,使用下面的实验参数:
[0042] ①最大训练次数I取值范围为50000-200000,学习率L取值范围为0.001-0.000001,每次读取数据批次大小c取值范围为50-2000。
[0043] ②各层偏置b初始化为0.1,各层权重w初始化为截断正态分布,其中标准差为(Nin为该层输入节点数)。
[0044] ③深度学习采用五层网络:输入层、三个隐含层、输出层。各层之间进行批正则化(batch normalization),隐含层节点数分别为4N、2N、2N(N为发射天线数)。
[0045] ④激活函数选择修正线性单元(relu)函数,输出层选择relu6函数,损失函数采用均方差函数,优化函数选择随机梯度下降函数。
[0046] 图3分别给出了深度学习(DL)和辅助角(AA)算法下的最大信噪比和天线规模关系图。从图中可以看出,DL和AA的最大信噪比性能基本接近。DL保证了良好的系统信噪比。
[0047] 图4分别给出了深度学习(DL)和AA的算法运行时间和天线规模关系图。从图中可以看出,AA随天线规模增大计算时间呈指数级增长,而DL计算时间均为毫秒级。DL所需计算时间比AA减少数倍,DL可以快速实现MIMO系统天线选择。
[0048] 本发明不仅局限于上述具体实施方式,本领域一般技术人员根据本发明公开的内容,可以采用其它多种具体实施方案实施本发明。因此,凡是采用本发明的设计结构和思路,做一些简单的变化或更改的设计,都落入本发明保护范围。