基于深度学习的ISAC混合波束成形方法技术

本申请公开一种基于深度学习的ISAC混合波束成形方法，包括：对通信和感知功能分别进行混合波束成形，小区所有用户将测量得到的信息上报给基站以获取下行信道信息，基站部署感知接收天线，在接收感知信号时测量得到感知信道；将下行信道和感知信道进行数据拼接和处理，得到实数形式的信道矩阵，随机生成用户数据并收集信道CSI作为数据集；基站端基于该数据集训练ISAC混合波束成形神经网络模型；基站端完成训练后，对实时的信道数据使用训练好的神经网络模型生成数字预编码矩阵和模拟预编码矩阵，所述方法能够联合设计ISAC场景的数字和模拟波束成形矩阵，无论是通信速率还是感知估计速率方面都优于现有迭代优化算法，并且在推理阶段时间复杂度更低。

【技术实现步骤摘要】

本专利技术属于通感一体化，具体涉及一种基于深度学习的isac混合波束成形方法。

技术介绍

1、通感一体化(integrated sensing and communication,isac)旨在无线通信的基础上，尽量不添加或者最少限度地增加感知专用模块来实现传统感知功能，例如通过信号联合设计或硬件共享等手段。在未来的通感一体化应用中，对感知精度和通信速率要求极高，相比于中低频段，30-300ghz的毫米波频段易获取连续的大带宽，能够极大的提升感知和通信的性能。毫米波信号具有严重的路径损耗，需要采用多输入输出(mimo)技术进行补偿。因此，mimo天线的波束成形技术成为通感一体化的研究重点之一。

2、针对基于硬件共享的isac系统，现有研究对其进行通信和感知联合波束成形，尽可能优化通信和感知的性能。然而，仍然存在一些有挑战性的问题：其一，通信和感知全局性能优化是一个难以解决的问题，因为它是np-hard的。现有研究中多数选择了次优方案，例如零空间投影法将感知信号投影到通信信道干扰的零空间上，这种方法过分保证了通信性能却损失了感知系统的性能。此外还本文档来自技高网...

【技术保护点】

1.一种基于深度学习的ISAC混合波束成形方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的ISAC混合波束成形方法，其特征在于，步骤1包括：基站获得全部用户上报的信道测量其中，Nc为用户数，NT为发射天线数，同时测量得到感知信道其中，Ns为感知的点目标数量。

3.根据权利要求2所述的基于深度学习的ISAC混合波束成形方法，其特征在于，步骤2包括：

4.根据权利要求3所述的基于深度学习的ISAC混合波束成形方法，其特征在于，步骤3中，神经网络模型包括：

5.根据权利要求3所述的基于深度学习的ISAC混合波束成形方法，其特征在于...

【技术特征摘要】

1.一种基于深度学习的isac混合波束成形方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的isac混合波束成形方法，其特征在于，步骤1包括：基站获得全部用户上报的信道测量其中，nc为用户数，nt为发射天线数，同时测量得到感知信道其中，ns为感知的点目标数量。

3.根据权利要求2所述的基于深度学习的isac混合波束成形方法，其特征在于，步骤2包括：

4.根据权利要求3所...

【专利技术属性】
技术研发人员：赵中原，周惠宣，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：