无人机通信系统平均容量评估方法及装置制造方法及图纸

本发明专利技术公开了一种无人机通信系统平均容量评估方法及装置，本发明专利技术面向采用单个或多个无人机作为接入点或基站的无人机通信系统统计容量在线实时评估的需求，提出一种基于深度神经网络的快速容量评估方法。所提方法能够基于给定的系统各链路缓变大尺度信道衰落状态信息，根据系统所采用的基于各链路即时信道衰落状态的自适应传输技术，实现系统统计平均容量的准确快速计算。

【技术实现步骤摘要】
无人机通信系统平均容量评估方法及装置
本专利技术涉及通信
，特别是涉及一种无人机通信系统平均容量评估方法及装置。
技术介绍
目前基于无人机通信系统统计平均容量的计算原理，通常是借助MonteCarlo仿真方法，在给定的各链路大尺度信道衰落状态下，生成足够数量的包含各链路即时信道衰落状态的系统即时信道衰落状态样本，计算出每个样本对应的系统即时容量，再对所有样本对应的系统即时容量求均值，即可获得系统的统计平均容量。但是这种借助MonteCarlo仿真方法对无人机通信系统的统计平均容量进行评估，需针对足够数量的系统即时信道衰落状态样本，重复执行系统所采用的无线传输算法，计算每个样本所对应的系统即时容量。当系统中链路数量较多或者系统所采用的无线传输算法较为复杂时，采用该方法所需的计算量较大，难以实现系统统计平均容量的实时计算。
技术实现思路
本专利技术提供了一种无人机通信系统平均容量评估方法及装置，以解决现有无人机通信系统统计平均容量的计算量大而不能实现实时计算的问题。第一方面，本专利技术提供了一种无人机通信系本文档来自技高网...

【技术保护点】
1.一种无人机通信系统平均容量评估方法，其特征在于，包括：/n选取深度神经网络DNN_C的结构参数，并生成所述深度神经网络DNN_C的训练样本，其中，所述深度神经网络DNN_C为无人机通信系统统计平均容量评估的深度神经网络；/n通过所述训练样本训练所述深度神经网络DNN_C，并对所述深度神经网络DNN_C进行优化；/n基于训练后的深度神经网络DNN_C对无人机通信系统的平均容量进行评估。/n

【技术特征摘要】
1.一种无人机通信系统平均容量评估方法，其特征在于，包括：
选取深度神经网络DNN_C的结构参数，并生成所述深度神经网络DNN_C的训练样本，其中，所述深度神经网络DNN_C为无人机通信系统统计平均容量评估的深度神经网络；
通过所述训练样本训练所述深度神经网络DNN_C，并对所述深度神经网络DNN_C进行优化；
基于训练后的深度神经网络DNN_C对无人机通信系统的平均容量进行评估。


2.根据权利要求1所述的方法，其特征在于，
所述结构参数包括：网络深度D，即神经网络DNN_C由D+1层组成，及各层神经元个数，其中Wd表示第d层的神经元个数，d＝1,...,D+1，且所述网络深度D大于等于2。


3.根据权利要求2所述的方法，其特征在于，
输出神经元个数WD+1＝1，对应无人机通信系统的统计平均容量CIoE；
输入神经元个数W1由无人机通信系统中所有无人机天线到所有用户天线间的链路数量A决定，即W1＝A，从第二层到第D层各隐藏层的神经元个数W2,...,WD与无人机通信系统中的链路数量A成正比，设置为：Wd＝αdA；其中，αd＞0，表示第d层的加权系数，且α2≥α3≥…αD。


4.根据权利要求1所述的方法，其特征在于，所述生成所述深度神经网络DNN_C的训练样本，包括：
基于无人机通信系统的信道模型，生成T组路径损耗和阴影衰落状态信息L(t)，t＝1,...,T，以及R组瑞利衰落状态信息S(r)，r＝1,...,R；L(t)包括{L1(t),...Lu(t),...,LU(t)}，其中Lu(t)表示无人机通信系统中所有无人机天线到第u，u＝1,...,U，个用户所有天线间链路的路径损耗和阴影衰落状态信息，U表示无人机通信系统中的用户数；S(r)包括{S1(r),...Su(r),...,SU(r)}，其中Su(r)表示无人机通信系统中所有无人机天线到第u，u＝1,...,U，个用户所有天线间链路的瑞利衰落状态信息；
对每一组路径损耗和阴影衰落状态信息{L1(t),...Lu(t),...,LU(t)}，基于{S1(r),...Su(r),...,SU(r)}与生成R组即时信道状态信息{H1(t,r),...Hu(t,r),...,HU(t,r)}，其中*表示哈达玛乘积；
基于发送功率限制条件与{H1(t,r),...Hu(t,r),...,HU(t,r)}，重复运行无人机通信系统所采用的自适应传输算法，根据计算得到TR组无人机通信系统即时容量CIo(t,r)，其中W1,...Wu,...,WU为无人机通信系统对U个用户的发送预编码矩阵，表示无人机通信系统在采用W1,...Wu,...,WU对U个用户的发送信号进行预编码且系统中各链路即时信道状态信息为条件下，无人机通信系统的即时容量；
基于CIo(t,r)计算得到T组无人机通信系统统计平均容量CIoE(t)；
将CIoE(t)与{L1(t),...Lu(t),...,LU(t)}进行组合形成T个DNN_C训练样本{[l1(t),l2(t),...,lA(t)],CIoE(t)}，其中[l1(t),l2(t),...,lA(t)]为{L1(t),...Lu(t),...,LU(t)}，中的所有元素组成的向量。


5.根据权利要求4所述的方法，其特征在于，
所述发送功率限制条件为：fp1(W1,...Wu,...,WU)≤p1,...,fpN(W1,...Wu,...,WU)≤pN；
其中，N表示无人机通信系统中的无人机数量，pn表示第n个无人机的最大发送功率，n＝1,...,N，fpn(W1,...Wu,...,WU)，表示在无人机通信系统基于W1,...Wu,...,WU对U个用户的信号进行发送预编码条件下第n个无人机的发送功率。


6.根据权利要求5所述的方法，其特征在于，基于CIo(t,r)计算得到T组无人机通信系统统计平均容量CIoE(t)，包括：
根据计算得到T组无人机通信系统统计平均容量CIoE(t)。


7.根据权利要求1所述的方法，其特征在于，所述生成所述深度神经网络DNN_C的训练样本，包括：
构建一个用于计算无人机通信系统即时容量CIo的初级神经网络DNN_...

【专利技术属性】
技术研发人员：王燕敏，冯伟，陆洲，
申请(专利权)人：中国电子科技集团公司电子科学研究院，清华大学，
类型：发明
国别省市：北京;11