一种可重构智能表面辅助叠加导引融合学习信道估计方法技术

本发明专利技术公开了一种可重构智能表面辅助叠加导引融合学习信道估计方法，接收机接收到发射机采用叠加导引方案的无线信号，形成接收信号；对信道状态进行特征抽取，得到“CSI初始特征”输入到已训练的“增强信道估计网络EN

【技术实现步骤摘要】
一种可重构智能表面辅助叠加导引融合学习信道估计方法


[0001]本专利技术涉及无线通信中的可重构智能表面辅助的信道估计
，具体涉及一种可重构智能表面辅助叠加导引融合学习信道估计方法。

技术介绍

[0002]正在发展的第五代(5G,fifth generation)和第六代(6G,sixth generation)网络将是实现未来物联网连接这一目标的基石。物联网已经吸引了很多人的注意，例如，连接自动机器人的智能建筑系统可以通过网络实现控制和管理不同的智能设备，以节省能源和提高居民生活的便利性。其他应用程序包括智能医疗，智能驾驶和智能家居等。在物联网系统中,信道估计起着关键的作用。一方面，在诸如工业物联网等物联网系统中，信道条件非常复杂，可能会遇到信道时间变化或遮挡概率增加的情况。另一方面，通过良好的信道估计，物联网设备可以使用适当的调制和编码方法以负担得起的传输功率进行传输。
[0003]物联网系统的信道估计对于有效的接收器运行至关重要。针对物联网系统，有人将一维时域维纳滤波技术与计算简单的频域最大似然估计相结合，提出了一种基于导频本文档来自技高网...

【技术保护点】

【技术特征摘要】
所述的CSI特征抽取方法包括传统的LS，MMSE线性信道估计和基于贝叶斯，基于马尔科夫蒙特卡洛，基于非线性滤波器的最大似然等非线性信道估计方法。4.根据权利要求1所述的一种可重构智能表面辅助叠加导引融合学习信道估计方法，其特征在于，步骤S3包括以下子步骤：1个单隐藏层，1个输入层和1个输出层，各层的神经元个数均为2N；隐藏层输出进行规范化处理，将输出值限定在范围[0,1]，然后将规范化后的隐藏层输出过激活函数；隐藏层激活函数为：输入层与输出层采用线性激活函数；损失函数设置为均方误差函数；利用训练集合对网络进行训练，误差收敛后保存网络模型及其参数；所述网络的训练输入为训练标签为训练标签是根据实际场景测量，信道模型建模得到，最后网络输出“增强CSI”5.根据权利要求1所述的一种可重构智能表面辅助叠加导引融合学习信道估计方法，其特征在于，步骤S4包括以下子步骤：S41根据“增强CSI”对接收信号y进行均衡特征抽取，得到长度为N的“均衡初始特征”所述的均衡特征抽取方法包括，传统的迫零ZF均衡，MMSE均衡，LMS均衡和RLS均衡等特征抽取。6.根...

【专利技术属性】
技术研发人员：卿朝进，王莉，凌国伟，董磊，张岷涛，
申请(专利权)人：西华大学，
类型：发明
国别省市：