基于毫米波MIMO系统深度学习的混合预编码设计方法技术方案

本发明专利技术涉及一种基于毫米波MIMO系统深度学习的混合预编码设计方法，属于通信技术领域。首先设计训练样本，在一次信道实现过程中，暂时解耦联合收发机的优化问题，重点研究混合预编码的设计，从码本中选择使得系统频谱效率最大的模拟预编码与数字预编码对作为最优的混合预编码矩阵。本发明专利技术将次信道实现作为神经网络的训练样本，每次信道实现得到的模拟预编码与模拟组合器的索引值作为标签，设计神经网络框架并训练，线下对于任何信道实现的输入，输出得到最优的模拟预编码与模拟组合器。本发明专利技术利用深度学习方法，突破了传统预编码复杂的联合优化与非凸限制，既能得到较优的频谱效率，又能显著降低其复杂度。

Hybrid precoding design method based on deep learning of millimeter wave MIMO system

【技术实现步骤摘要】
基于毫米波MIMO系统深度学习的混合预编码设计方法
本专利技术属于通信
，涉及基于毫米波MIMO系统深度学习的混合预编码设计方法。
技术介绍
随着无线设备的快速发展，人工智能、虚拟现实、大数据分析、增强现实等诸多新兴应用进入我们的生活，同时，无线网络中相应的数据流量也呈指数级增长。为了满足未来的流量需求，学术界和工业界致力于开发下一代无线局域网(WLAN)和移动蜂窝通信。而毫米波(mmWave)其频谱从30GHz到300GHz，可以解决当前移动系统带宽不足的问题。但是由于大气吸收、降雨衰减和低穿透率，使得mmWave频段的传输损耗远高于常规频段，有趣的是，由于mmWave的波长较短，所以在相同的物理尺寸中封装大量的天线。大型天线阵列可以提供波束形成增益，克服传输损耗，合成高定向波束。它还可以同时传输多个数据流，从而显著提高频谱效率。然而传统的全数字预编码要求每个天线连接一个射频链，使得系统的成本和能耗显著增大，针对这一问题，混合预编码技术在减少系统能耗，提高系统性能方面得到了广泛的关注。与传统的全数字预编码设计相比，在混合预编码问本文档来自技高网...

【技术保护点】
1.基于毫米波MIMO系统深度学习的混合预编码设计方法，其特征在于：该方法包括以下步骤：/n步骤一：首先将发射端与接收端分离设计，对于从码本

【技术特征摘要】
1.基于毫米波MIMO系统深度学习的混合预编码设计方法，其特征在于：该方法包括以下步骤：
步骤一：首先将发射端与接收端分离设计，对于从码本中任意选择的模拟预编码FRF，为模拟预编码的码本集，通过最大化毫米波信道上的高斯信号实现的互信息，得到其对应的数字预编码FBB，选择使得互信息最大的模拟预编码与数字预编码作为最优混合预编码，其中*表示最优，RF表示模拟，BB表示基带数字，分别表示模拟预编码与数字预编码的最优值；
步骤二：由步骤一得和对于从码本中任意选择的模拟组合器WRF，为模拟组合器的码本集，通过最大化系统频谱效率得到其对应的数字组合器WBB，选择使得系统频谱效率最大的WRF作为最优模拟组合器表示模拟组合器的最优值；
步骤三：构建神经网络框架，分别训练模拟预编码神经网络和模拟组合神经网络；两个网络的输入分别为HM表示M次信道实现，和分别代表步骤一、步骤二中M次信道实现从模拟预编码的码本集和模拟组合器的码本集中选择的的索引值集合；
步骤四：根据不同的输入信道条件，输出得到最优的模拟预编码和模拟组合器通过步骤一和步骤二计算得到基带数字预编码与组合器


2.根据权利要求1所述的基于毫米波MIMO系统深度学习的混合预编码设计方法，其特征在于：所述步骤一中，将发射端与接收端分离并设计模拟预编码FRF和数字预编码FBB的原理如下：
假设接收器基于接收信号执行最佳解码，通过最大化毫米波信道上的高斯信号实现的互信息来设计FRF，FBB：






其中为Frobenius范数的平方，对于任何从码本中选择的模拟预编码FRF，其最优基带数字预编码FBB为：



其中上角标表示求次幂，V表示的右奇异值矢量的前Ns列，Ns为数据流数量，P为对角矩阵，对角元素值为注水功率控制解；当FBB已知时，优化目标写为：






FRF的设计为从码本中选择使得上式取得最大时的模拟预编码器


3.根据权利要求1所述的基于毫米波MIMO系统深度学习的混合预编...

【专利技术属性】
技术研发人员：景小荣，孙宗霸，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50