【技术实现步骤摘要】
基于深度学习的多基站协同波束匹配方法
[0001]本专利技术涉及无线通信
，尤其涉及一种波束匹配方法，可用于基站到用户的无线传输。
技术介绍
[0002]第五代移动通信系统5G在网络性能及用户体验方面有着极高要求，毫米波通信技术和大规模多输入多输出MIMO系统是第五代移动通信系统中的关键技术。由于毫米波信号在自由空间中的路径损耗很大，基站采用大规模天线阵列和波束成形技术来传输毫米波信号。大规模天线阵列能够提供足够的阵列增益，能有效补偿毫米波信号传播过程中的损耗，而波束成形技术通过配置基站或用户阵列天线上发射信号的相位，产生发送波束，使其发射到空间的能量产生聚焦，可提高系统的能量效率和频谱效率，同时减少用户间的干扰，进而有助于实现更高的数据速率。毫米波信道通常包含一条视距路径和若干条非视距路径，若能将发送波束对准信道的视距路径方向，则可使信号传输中的信道增益变大，引起的信号衰减变小，极大的增加了用户端的可达速率。但在实际中由于基站所配备大规模天线系统产生的发送波束较窄，因而在角度域上数量较多，这使得准确又高效的选出最优发...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的多基站协同波束匹配方法，其特征在于，包括如下：(1)获取融合信道状态信息：(1a)选取用户周围的三个基站，其中包含一个主基站与两个辅基站，每个基站均设有一个天线阵列，每个天线阵列包含N个天线，其中32≤N≤64；(1b)在主基站的天线阵列中随机选择四个天线，分别在两个辅基站的天线阵列中随机选择一个天线；(1c)用(1b)中被选中的天线发射下行导频，获取各个基站与用户之间的信道状态信息，并将其进行数据融合，得到融合信道状态信息；(2)构建波束匹配模型：(2a)建立基础网络：设置5个全连接层，每个全连接层设有2048个神经元，每个神经元的激活函数采用线性整流函数，每个全连接层连接至一个drop
‑
out层；将五个全连接层的神经元进行级联后得到基础网络；(2b)建立线性分类器：设置一个由64个神经元组成全连接层，并在此全连接层连接至一个soft
‑
max层，构成线性分类器，其中soft
‑
max层用于计算每个可用波束成形矢量f的概率分布；(2c)将基础网络与线性分类器接口处的神经元依次级联，得到波束匹配模型，并将交叉熵L作为该模型的损失函数；(3)生成训练集：(3a)根据毫米波信道模型生成主基站、辅基站与用户之间的信道状态信息训练样本；(3b)对生成的用户的信道状态信息训练样本进行归一化；(3c)将(3b)中归一化后的信道状态信息训练样本的实部与虚部拆分后拼接，根据(1b)中选择的天线转换为主基站的8K维训练特征向量和辅基站的2K维训练特征向量；(3d)定义增益指标函数：其中，f表示波束成形矢量，ω表示主基站波束成形矢量f到用户的增益指标，P表示主基站处的传输功率，K表示子载波个数，h
k
表示主基站与用户之间第k个子载波的信道状态信息，σ2表示方差。(3e)根据增益指标函数计算主基站波束码本中每个波束成形矢量到用户的增益；(3f)将每个用户与主基站、辅基站天线上的训练特征向量进行融合；(3g)根据增益为每个融合后的训练特征向量生成对应的最佳波束索引标签，并将所有训练特征向量和其对应最佳波束索引标签划分为训练集；(4)利用训练集，通过深度神经网络分类器算法对波束匹配模型进行训练，得到训练好的波束匹配模型；(5)将(1)获取的融合信道状态信息输入到训练好的波束匹配模型，获得主基站与用户之间的最佳波束成形矢量；
其中，F为波束成形矢量码本，其中包含N个波束成形矢量，表示训练好的波束匹配模型输出的最佳波束成形矢量，即多基站协同波束匹配的结果。2.根据权利要求1所述的方法，其特征在于，所述(2b)中soft
‑
max层，用于计算码本F中的每个波束成形矢量是最佳束成形矢量的概率S
n
，公式如下：其中，j
i
和j
n
...
【专利技术属性】
技术研发人员：马建鹏，杨偲诚，张顺，李红艳，魏肖，
申请(专利权)人：西安电子科技大学，
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。