【技术实现步骤摘要】
本专利技术属于无线移动通信，涉及深度学习和高铁场景的多用户多输入多输出传输，具体涉及一种基于地理位置的高铁移动通信6g全解耦网络上行传输方法与系统。
技术介绍
1、随着铁路系统的蓬勃发展，高速列车通信受到了人们的广泛关注。在第五代移动网络(5g)中，通过联合预编码设计的大规模多输入多输出(mmimo)实现了性能的大幅提升，充分利用了分集和多路增益。然而，高迁移率会在许多方面恶化信道，如多普勒频偏(dfo)、更短的相干时间和相位噪声，导致高忒通信系统性能严重下降。此外，由于5g采用了更高频段的频谱，基站之间的切换在高速移动场景将更加频繁。
2、铁路长期演进技术(lte-r)中传统的解决方案计划采用更频繁的导频传输和信道状态信息(csi)反馈。这会导致大量的时频资源消耗，此外，由于反馈延迟在高速移动场景下更加严重，即使采用更频繁的导频来进行信道估计也难以获得准确的csi。
3、第六代(6g)移动通信网络有望提供更灵活的资源分配并增强用户体验。于全院士等人在《a fully-decoupled ran architecture for 6g inspired byneurotransmission》中提出了一种6g全解耦无线接入网络(fd-ran)架构，将传统基站解耦为上行基站(ubss)、下行基站(dbss)和控制基站。fd-ran在高铁通信系统有显著优点。一方面，所有的控制层面信号都由控制基站传递，由于控制信息数据量较小，控制基站可以采用更低的频段覆盖更大的区域，切换开销可以大大减少。另一方面，fd-ran
4、综上所述，现有技术存在的问题是：(1)传统基于导频的信道估计在高铁场景会导致更大的资源开销，同时由于反馈延迟，发射端也难以获得实时的信道信息。(2)在6g全解耦网络中，由于硬件解耦隔离的架构导致的高反馈时延对依赖于现有反馈机制的传输方法有很大的性能损失。
技术实现思路
1、专利技术目的：本专利技术的目的在于提供一种基于地理位置的高铁移动通信6g全解耦网络上行传输方法与系统，使用深度学习去拟合列车地理位置和预编码的映射关系，能够基于列车的地理位置直接选择预编码，以取代传统信道估计和信道反馈的过程。
2、技术方案：为实现上述专利技术目的，本专利技术采用的技术方案是：一种基于地理位置的高铁移动通信6g全解耦网络上行传输方法，包括以下步骤：
3、步骤1：根据列车与各上行基站的地理位置进行纯视距信道映射，以此作为信道估计对上行信号进行二级合并的联合接收处理；
4、步骤2：设计以列车与上行基站间映射的纯视距信道信息为输入，以满足恒模约束的多用户联合预编码信息为输出的深度神经网络，并根据系统优化目标设计深度神经网络的损失函数，使用深度神经网络输出的预编码进行数据传输。
5、步骤3：深度神经网络使用各个位置样本的历史信道数据进行离线训练更新参数直至收敛；
6、步骤4：实际部署阶段输入列车位置相应的视距信道，深度神经网络输出相应位置上的联合预编码，实现无反馈的传输。
7、进一步地，设场景中有l个基站服务k个列车移动中继，第k个列车顶部的移动中继和第l个上行基站之间的真实信道为hkl，纯视距信道映射关系为：其中
8、
9、表示天线之间的相位偏移，θkl表示第k个列车顶部的移动中继和第l个上行基站之间的夹角，f表示载波频率，λ表示载波波长，v表示列车行进速度，c表示光速，db和dv分别表示基站和中继的天线间距，nb和nv分别表示基站和中继的天线数，βkl为和距离相关的大尺度衰落系数。
10、进一步地，列车顶部第k个中继的预编码向量为满足功率约束条件以及|[pk]i|2＝1,i＝1,...,nv；其中pmax为最大功率限制。
11、进一步地，所述对上行信号进行二级合并的联合接收处理中，包括：
12、基站首先对接收到的信号进行一级分布式处理，用表示第l个基站处对第k个中继的合并向量，yl表示第l个基站处的接收信号，对第k个中继的信号估计可表示为基于纯视距信道映射采用本地最小均方误差合并(local mmse)方法计算得到
13、边缘云对基站一级处理过的信号进行集中式第二级合并，合并后第k个中继的信号可表示为：表示所有的二级合并系数。
14、进一步地，通过计算可得到信干噪比最大时对应的其中nk表示中继间的干扰项，σ2表示噪声功率，
15、进一步地，代入计算，则第k个中继可达到的最大频效为：
16、
17、其中，τp和τc分别表示导频和相干时间的长度，|·|表示矩阵的行列式。
18、进一步地，用p＝[p1,…,pk]表示所有用户的预编码向量，系统优化目标考虑中继频效和最大化，系统的优化问题可被建模为：
19、
20、s.t.|[pk]i|2＝1,for i＝1,...,nv
21、其中约束条件为编码相移器的恒模约束，需要保证预编码每个元素的幅值为1。在此优化目标下，深度神经网络的损失函数定义为系统频效和的负数，n表示样本个数。
22、进一步地，设计的深度学习神经网络采用所有中继和基站之间的信道作为输入，在输出之前将神经网络的输出αk根据pk＝cos(2παk)+j·sin(2παk)转化为满足恒模约束的预编码向量，即神经网络的输出可以看作是预编码的相位。
23、具体实施时，所述深度学习神经网络可采用全连接深度学习神经网络或残差网络。
24、本专利技术还提供一种计算机系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被加载至处理器实现所述的基于地理位置的高铁移动通信6g全解耦网络上行传输方法的步骤。
25、有益效果：与现有技术相比，本专利技术具有如下优点：1、本专利技术提供了一种fd-ran架构下的高铁上行通信系统，避免了高铁场景下反馈延迟和资源开销的问题。2、本专利技术实现了基于列车地理位置的多用户多输入多输出预编码选择，节省了导频估计和反馈开销，能够进一步提升系统频效。3、本专利技术使用深度学习拟合列车地理位置信息和预编码的映射关系，并在输入前采用纯视距信道映射有效缓解地理位置信息低纬度的问题。
本文档来自技高网...【技术保护点】
1.一种基于地理位置的高铁移动通信6G全解耦网络上行传输方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于地理位置的高铁移动通信6G全解耦网络上行传输方法，其特征在于：第k个列车顶部的移动中继和第l个上行基站之间的纯视距信道映射关系为：其中，表示天线之间的相位偏移，θkl表示第k个列车顶部的移动中继和第l个上行基站之间的夹角，f表示载波频率，λ表示载波波长，v表示列车行进速度，c表示光速，dB和dV分别表示基站和中继的天线间距，NB和NV分别表示基站和中继的天线数，βkl为衰落系数。
3.根据权利要求1所述的一种基于地理位置的高铁移动通信6G全解耦网络上行传输方法，其特征在于：列车顶部第k个中继的预编码向量为满足功率约束条件以及|[Pk]i|2＝1,i＝1,...,NV；其中NV表示中继的天线数，pmax为最大功率限制。
4.根据权利要求1所述的一种基于地理位置的高铁移动通信6G全解耦网络上行传输方法，其特征在于：所述对上行信号进行二级合并的联合接收处理中，包括：基站首先对接收到的信号进行一级分布式处理，用表示第l个基站处对第k
5.根据权利要求4所述的一种基于地理位置的高铁移动通信6G全解耦网络上行传输方法，其特征在于：通过计算得到信干噪比最大时对应的其中Hnl表示第n个列车顶部的移动中继和第l个上行基站之间的真实信道，Pn表示第n个中继的预编码向量，Pk表示第k个中继的预编码向量，Nk表示中继间的干扰项，σ2表示噪声功率，Hkl表示第k个列车顶部的移动中继和第l个上行基站之间的真实信道，K表示列车中继数。
6.根据权利要求5所述的一种基于地理位置的高铁移动通信6G全解耦网络上行传输方法，其特征在于：第k个中继可达到的最大频效为：
7.根据权利要求1所述的一种基于地理位置的高铁移动通信6G全解耦网络上行传输方法，其特征在于：用P＝[P1,…,PK]表示所有用户的预编码向量，系统优化目标为中继频效和最大化，系统的优化问题被建模为：
8.根据权利要求1所述的一种基于地理位置的高铁移动通信6G全解耦网络上行传输方法，其特征在于：设计的深度学习神经网络采用所有中继和基站之间的纯视距信道作为输入，在输出之前将神经网络的输出αk根据Pk＝cos(2παk)+j·sin(2παk)转化为满足恒模约束的预编码向量。
9.根据权利要求1所述的一种基于地理位置的高铁移动通信6G全解耦网络上行传输方法，其特征在于：所述深度学习神经网络采用全连接深度学习神经网络或残差网络。
10.一种计算机系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述计算机程序被加载至处理器实现根据权利要求1-9任一项所述的基于地理位置的高铁移动通信6G全解耦网络上行传输方法的步骤。
...【技术特征摘要】
1.一种基于地理位置的高铁移动通信6g全解耦网络上行传输方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于地理位置的高铁移动通信6g全解耦网络上行传输方法，其特征在于：第k个列车顶部的移动中继和第l个上行基站之间的纯视距信道映射关系为：其中，表示天线之间的相位偏移，θkl表示第k个列车顶部的移动中继和第l个上行基站之间的夹角，f表示载波频率，λ表示载波波长，v表示列车行进速度，c表示光速，db和dv分别表示基站和中继的天线间距，nb和nv分别表示基站和中继的天线数，βkl为衰落系数。
3.根据权利要求1所述的一种基于地理位置的高铁移动通信6g全解耦网络上行传输方法，其特征在于：列车顶部第k个中继的预编码向量为满足功率约束条件以及|[pk]i|2＝1,i＝1,...,nv；其中nv表示中继的天线数，pmax为最大功率限制。
4.根据权利要求1所述的一种基于地理位置的高铁移动通信6g全解耦网络上行传输方法，其特征在于：所述对上行信号进行二级合并的联合接收处理中，包括：基站首先对接收到的信号进行一级分布式处理，用表示第l个基站处对第k个中继的合并向量，yl表示第l个基站处的接收信号，对第k个中继的信号估计表示为基于纯视距信道映射采用本地最小均方误差合并方法计算得到
5.根据权利要求4所述的一种基于地理位置的高铁移动通信6g全解耦网络上行传输方法，其特征在于：通过计算得到信干噪比最大时对应的其中hnl表示第n...
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。