基于增强型ELM的叠加CSI反馈方法技术

本发明专利技术公开了一种基于增强型ELM的叠加CSI反馈方法，包括：S1、站接收移动端的叠加CSI反馈信息s，得到接收序列r；S2、建增强型ELM干扰消除网络；S3、增强型ELM干扰消除网络进行离线训练，得到网络参数；S4、用训练得到的网络参数在线运行增强型ELM干扰消除网络，恢复下行信道状态信息h和上行用户序列d。与基于ELM叠加CSI反馈方法相比，本发明专利技术在参数量相当的情况下，能够获得更好的下行CSI恢复性能和上行用户数据序列的检测性能。用户数据序列的检测性能。用户数据序列的检测性能。

【技术实现步骤摘要】
基于增强型ELM的叠加CSI反馈方法


[0001]本专利技术涉及频分双工(FDD,frequency division duplex)大规模多输入多输出(mMIMO,multiple input multiple output)系统的叠加反馈
，特别涉及一种基于极限学习机(ELM,extreme learning machine)的增强型叠加信道状态信息(CSI,channel state information)反馈方法。

技术介绍

[0002]大规模多输入多输出技术作为第五代无线通信系统(5G,Fifth Generation wireless systems)实现高吞吐量绿色无线电的关键技术。基站(BS,base station)进行下行波束成形和用户选择需要实时的信道状态信息，在时分双工模式下，基站可以利用上、下行链路的互易性通过估计上行链路信道得到下行CSI。然而，在FDD模式下，信道互易条件变弱甚至难以适用，下行CSI通常需要用户估计并反馈至基站。近几年来，机器学习尤其是深度学习(DL,Deep Learning)在通信系统中受到了广泛关注。与传统CSI的反馈方法相比，基于机器学习的CSI反馈方法能显著地减少反馈开销。但现有的基于机器学习的CSI反馈技术仍不可避免地占用着上行带宽资源，导致频谱利用率下降，亟待进一步研究改善上行带宽资源占用的CSI反馈方法。
[0003]叠加CSI反馈是避免上行带宽资源占用的行之有效的方法之一，将下行CSI叠加在上行用户数据序列(UL
‑
US,uplink user data sequence)上进行反馈，提高了频谱效率。然而，叠加引起的叠加干扰，以及复杂的干扰消除算法，造成工程应用上的困难。幸运的是，ELM因其结构简单，训练速度快等优点，引起广泛关注。近年来，ELM网络与叠加技术激发了基于ELM的叠加CSI反馈技术的研究。然而，将ELM网络简单的引入叠加CSI反馈中，仍难以满足日益增长的UL
‑
US检测性能与下行CSI的恢复精确需求，亟待进一步改善。

技术实现思路

[0004]针对上述技术问题，专利技术提供一种基于增强型ELM的叠加CSI反馈方法，改善基于ELM的叠加CSI反馈方法。与基于ELM叠加CSI反馈方法相比，本专利技术在参数数量相当的情况下，获得更好的下行CSI恢复性能和上行用户数据的检测性能。
[0005]具体技术方案为：
[0006]基于增强型ELM的叠加CSI反馈方法，包括以下步骤：
[0007]S1、接收移动端的叠加CSI反馈信息s，得到接收序列r；
[0008]S2、构建增强型ELM干扰消除网络；
[0009]S3、对增强型ELM干扰消除网络进行离线训练，得到网络参数；
[0010]S4、利用训练得到的网络参数在线运行增强型ELM干扰消除网络，恢复下行信道状态信息h和上行用户序列d。
[0011]该方法步骤S1所述的基站接收移动端的叠加CSI反馈信息s为：
[0012][0013]其中，ρ∈[0,1]表示叠加因子，E
x
表示用户发送功率，下行信道状态信息h的长度为N，P为M
×
N的walsh扩频矩阵，上行用户序列d长度为M。接收得到接收序列为：
[0014][0015]其中，为上行CSI，表示噪声矢量。
[0016]该方法步骤S2所述的增强型ELM干扰消除网络架构描述如下：
[0017]增强型ELM干扰消除网络包括四个增强型ELM子网络CSI_NET1、DET_NET1、CSI_NET2和DET_NET2；
[0018]子网络CSI_NET1、DET_NET1、CSI_NET2和DET_NET2采用级联与专家知识嵌入方式连在一起；
[0019]子网络CSI_NETi，i＝1,2的网络结构相同，输入层、隐藏层和输出层节点数分别为N、nN和N，其中，n表示CSI_NET的隐藏层节点系数，根据工程经验设定；
[0020]子网络DET_NETi，i＝1,2的网络结构相同，输入层、隐藏层和输出层节点数分别为M、mM和M，其中，m表示DET_NET的隐藏层节点系数，根据工程经验设定；
[0021]子网络CSI_NETi、DET_NETi，i＝1,2的隐藏层输出激活函数采用ReLU。
[0022]其中，所述级联与专家知识嵌入方式的处理过程如下：
[0023](1)通过对接收序列r进行迫零预均衡处理，得到预处理后的信号
[0024][0025]其中，表示上行信道矩阵，上标表示矩阵求伪逆操作，上标(
·
)
T
表示矩阵转置操作；
[0026](2)对预处理后的信号进行解扩频处理，获得子网络CSI_NET1的输入为：
[0027][0028](3)在子网络子网络CSI_NETi、DET_NETi，i＝1,2之间，通过插入专家知识，得到DET_NETi，i＝1,2的输入表示为：
[0029][0030]其中，表示CSI_NETi，i＝1,2的输出；
[0031](4)在子网络DET_NET1、CSI_NET2之间插入专家知识，得CSI_NET2的输入表示为：
[0032][0033]其中，表示子网络DET_NET1的输出。
[0034]该方法步骤S2所述的增强型ELM干扰消除网络通过对的隐藏层的输入与输出进行规范化处理，增强网络的学习能力；
[0035]所述的输入与输出分别进行规范化处理，输入与输出的规范化处理分别为：
[0036]Ψ
I
＝(x
I
‑
μ
I
)/σ
I
[0037]Ψ
O
＝(x
O
‑
μ
O
)/σ
O
[0038]其中，x
I
和x
O
分别表示增强型ELM网络的输入或输出，μ
I
和μ
O
分别表示x
I
和x
O
的均值，σ
I
和σ
O
分别表示x
I
和x
O
的标准差；
[0039]该方法步骤S3所述的离线训练的采用逐子网络训练的方法进行训练，即CSI_NET1、DET_NET1、CSI_NET2和DET_NET2依次训练；
[0040]所述的CSI_NET1、DET_NET1、CSI_NET2和DET_NET2的训练集合分别为所述的CSI_NET1、DET_NET1、CSI_NET2和DET_NET2的训练集合分别为
[0041]所述的h和d分别表示下行信道状态信息和上行用户序列；
[0042]所述的CSI_NET1、DET_NET1、CSI_NET2和DET_NET2的训练损失函数为MSE；
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于增强型ELM的叠加CSI反馈方法，其特征在于，包括：S1、基站接收移动端的叠加CSI反馈信息s，得到接收序列r；S2、构建增强型ELM干扰消除网络；S3、对增强型ELM干扰消除网络进行离线训练，得到网络参数；S4、利用训练得到的网络参数在线运行增强型ELM干扰消除网络，恢复下行信道状态信息h和上行用户序列d。2.根据权利要求S2所述的基于增强型ELM的叠加CSI反馈方法，其特征在于，步骤S2所述的增强型ELM干扰消除网络包括四个增强型ELM子网络，即CSI_NET1、DET_NET1、CSI_NET2和DET_NET2；CSI_NET1、DET_NET1、CSI_NET2和DET_NET2采用级联与专家知识嵌入方式连在一起；CSI_NETi，i＝1，2的网络结构相同，输入层、隐藏层和输出层节点数分别为N、nN和N，其中，n表示CSI_NET的隐藏层节点系数，根据工程经验设定；DET_NETi，i＝1，2的网络结构相同，输入层、隐藏层和输出层节点数分别为M、mM和M，其中，m表示DET_NET的隐藏层节点系数，根据工程经验设定；CSI_NETi、DET_NETi，i＝1,2的隐藏层输出激活函数采用ReLU。3.根据权利要求S2所述的基于增强型ELM的叠加CSI反馈方法，其特征在于，所述的增强型ELM干扰消除网络通过对的隐藏层的输入与输出进行规范化处理，增强网络的学习能力；所述的输入与输出进行规范化处理根据如下公式进行：Ψ
I
＝(x
I
‑
μ
I
)/σ
I
Ψ
O
＝(x
O
‑
μ
O
)/σ
O
其中，x
I
和x
O
分别表示ELM网络的输入或输出，μ
I
和μ
O
分别表示x
I
...

【专利技术属性】
技术研发人员：卿朝进，杜艳红，叶青，刘文慧，唐书海，
申请(专利权)人：西华大学，
类型：发明
国别省市：