【技术实现步骤摘要】
一种基于卷积神经网络的MIMO系统波束训练方法
[0001]本专利技术涉及一种波束训练方法，尤其涉及一种基于卷积神经网络的MIMO系统波束训练方法。
技术介绍
[0002]大规模多输入多输出(Massive MIMO)系统通过为基站配置大规模天线阵列，可深度发掘空间自由度，使其能够利用同一时频资源服务于多个用户，被看作是第5代移动通信(5G)最主要的物理层关键技术之一，对于Massive MIMO系统而言，由于能量消耗与系统成本的限制，预编码设计显得尤为重要，在传统MIMO系统中，由于天线数较少，配置与天线相同数量的射频(RF)链路不会带来很高的实现复杂度、能耗和成本，因此通常采用全数字技术在基带对信号进行预处理，以便消除信号间的干扰，但是Massive MIMO系统的天线数目很多，若配备与天线相同数量的RF链路，则会产生高额的费用与功耗，因此全数字技术并不适用。
[0003]众所周知，模拟预编码利用模拟移相器来控制信号的相位，不需要系统配备与天线相同数目的RF链路，具有实现成本低、能量消耗小等优势，但其性能劣于数字...
【技术保护点】
【技术特征摘要】
1.一种基于卷积神经网络的MIMO系统波束训练方法，其特征在于，具体包括以下步骤：步骤一、所述MIMO系统获取基站到用户终端之间的信道状态信息，其中表示基站第k根天线到用户天线间的信道衰落，k为基站端天线总数；步骤二、所述MIMO系统获得码本D，并利用穷举方式产生数据集对所述卷积神经网络进行训练从而得到具有最优权重参数的网络，将信道状态信息H和码本D作为网络的输入，利用训练好的所述卷积神经网络得到输出，即得到最优码字序号，完成模拟预编码F的设计；步骤三、开始传输数据信息，发送信号首先经过基带处理模块及数模转换模块，然后经过射频链路，接着一个模拟预编码器F，之后根天线同时将信号馈送到无线信道，接收端用户对接收到的信号进行处理并恢复出原始信号。2.根据权利要求1所述基于卷积神经网络的MIMO系统波束训练方法，其特征在于，所述卷积神经网络算法依次包括输入层、隐含层和输出层，所述隐含层包括三层，分别为隐含层第一层网络、隐含层第二层网络和隐含层第三层网络。3.根据权利要求2所述基于卷积神经网络的MIMO系统波束训练方法，其特征在于，所述隐含层第一层网络包括第一卷积层、第一规范化层、第一整流线性单元层和第一最大池化层，所述隐含层第二层网络包括第二卷积层、第二规范化层、第二整流线性单元层和第二最大池化层，所述隐含层第三层网络包括第三卷...
【专利技术属性】
技术研发人员：黄小岛，袁茵，庞立华，张阳，
申请(专利权)人：广州市埃特斯通讯设备有限公司，
类型：发明
国别省市：
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。