【技术实现步骤摘要】
一种基于模型驱动深度学习的MIMO-SCFDE自适应传输方法
本专利技术涉及智能通信领域,特别涉及一种基于模型驱动深度学习的MIMO-SCFDE自适应传输方法。
技术介绍
自适应传输技术是指系统的发射机利用信道状态信息(CSI)自适应调整传输策略的技术,包括改变发射功率、调整调制方式或调整信道编码方案,从而提高了信息传输速率或可靠性。传统的自适应传输技术大多通过复杂的算法来提高通信系统的性能。然而,对于要求高效率、高密度的5G通信来说,计算复杂度的增加必然会降低通信的有效性。随着人工智能技术的兴起,深度学习作为一种先进的数据处理算法在图像分析和语音识别中得到了广泛的应用。深度学习与无线通信的有机结合将成为物理层传输的突破。深度学习应用到通信系统物理层的信号传输研究主要分为数据驱动网络和模型驱动网络两种。基于数据驱动的深度学习网络将无线通信系统的多个功能块看作一个未知的黑盒子,利用深度学习网络取而代之,然后依赖大量训练数据完成输入到输出的训练。该方法抛弃了现有的无线通信知识,需要大量的数据进行训练和学习。相比之下,基于模型驱动的深度学习网络保持了原有的物理层结构,使用训练效率高的深度学习模型代替某个模块或可训练参数以优化整体性能,该技术已成为物理层传输技术最有潜力的发展方向之一。
技术实现思路
本专利技术解决现有多输入多输出单载波频域均衡系统(MIMO-SCFDE)的自适应传输方法中基于规则方案所造成的吞吐量和可靠性低的问题,提供了一种分别采用AMNet和ADNet来实现待传输信号调制和接收信号调制 ...
【技术保护点】
1.一种基于模型驱动和深度学习的MIMO-SCFDE自适应传输方法,其特征在于,所述方法包括以下步骤:/n步骤1:基于MIMO-SCFDE无线通信系统框架生成自适应传输方法所需的数据集,AMNet数据集的特征信息来自于在接收端提取的估计的信噪比信息、信道矩阵的秩信息、信道矩阵的标记信息以及信道均衡信息,并且通过分析信号检测性能根据最优的调制方式分配标签,ADNet数据集的特征信息来自不同调制方式的循环谱,根据调制方式的类别进行分配标签;/n步骤2:将步骤1所述的两个模型的样本数据随机打乱并重新划分为12000组训练集用于离线训练,3000组验证集用于验证模型的性能和2000组用于网络性能的测试,并对数据进行归一化处理;/n步骤3:基于步骤2所述的数据集,利用主成分分析(PCA)算法对特征信息进行线性降维,将多维度的特征信息作为自适应传输模型的输入;/n步骤4:将步骤3所述数据中每组提取的特征参数分别输入到以2D CNN、LSTM和FC-DNN为子网络的AMNet和采用集成CNN的ADNet中进行自学习,前者子网络的数目等于不同发送天线和接收天线间组合的个数,后者子网络数目为所采用的调制 ...
【技术特征摘要】
20201009 CN 20201108161681.一种基于模型驱动和深度学习的MIMO-SCFDE自适应传输方法,其特征在于,所述方法包括以下步骤:
步骤1:基于MIMO-SCFDE无线通信系统框架生成自适应传输方法所需的数据集,AMNet数据集的特征信息来自于在接收端提取的估计的信噪比信息、信道矩阵的秩信息、信道矩阵的标记信息以及信道均衡信息,并且通过分析信号检测性能根据最优的调制方式分配标签,ADNet数据集的特征信息来自不同调制方式的循环谱,根据调制方式的类别进行分配标签;
步骤2:将步骤1所述的两个模型的样本数据随机打乱并重新划分为12000组训练集用于离线训练,3000组验证集用于验证模型的性能和2000组用于网络性能的测试,并对数据进行归一化处理;
步骤3:基于步骤2所述的数据集,利用主成分分析(PCA)算法对特征信息进行线性降维,将多维度的特征信息作为自适应传输模型的输入;
步骤4:将步骤3所述数据中每组提取的特征参数分别输入到以2DCNN、LSTM和FC-DNN为子网络的AMNet和采用集成CNN的ADNet中进行自学习,前者子网络的数目等于不同发送天线和接收天线间组合的个数,后者子网络数目为所采用的调制方式的个数;
步骤5:AMNet中每组特征参数经过每一个子网络后都会生成一种调制方法Si,其由0和1组成的向量来表示,根据对自适应因子与输出结果的乘积求和完成自适应集成;ADNet中采用复杂度分类CNN根据循环谱的复杂度进行集成分析,其复杂度计算参数为颜色矩,灰度共生矩阵,信息熵以及边缘检测,并根据不同调制方式的循环谱图与CNN深度的适应性关系,对复杂度为0,1,2,3的循环谱图分别采用LeNet-5,AlexNet,VGG-16和ResNet-50进行识别,进而充分发挥CNN的固有特性;
步骤6:根据由步骤1、步骤2、步骤3、步骤4和步骤5所建立的模型替代MIMO-SCFDE系统的调制和调制识别部分进行在线测试。
2.根据权利要求1所述的一种基于模型驱动和深度学习的MIMO-SCFDE自适应传输方法,其特征在于:所述步骤2中,数据归一化公式为(其中,xi*表示归一化后的数据,xi表示原始数据,xmax和xmin分别表示原始数据集的最大值和最小值。)
3.根据权利要求1所述的一种基于模型驱动和深度学习的MIMO-SCFDE自适应传输方法,其特征在于:所述步骤3中,主成分分析(PCA)算法的实现包括以下步骤:
步骤3.1:将原始数据按列组成n行d列矩阵X;
步骤3.2:将X的每一列(代表一个属性)进行零均值化,即减去这一列的均值;
步骤3.3:求出协方差矩阵
步骤3.4:求出协方差矩阵的特征值及对应的特征向量;
步骤3.5:将特征向量按对应特征值大小从上...
【专利技术属性】
技术研发人员:李军,尚李杨,张志东,于印长,乔元健,付文文,韩永力,
申请(专利权)人:齐鲁工业大学,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。