一种基于深度学习的大规模MIMO-OTFS波束成形设计方法技术

本发明专利技术涉及一种基于深度学习的大规模MIMO‑OTFS波束成形设计方法，属于无线通信技术领域。设计了一种优化的波束成形神经网络OBNN，并以最大化频谱效率为优化目标对MIMO‑OTFS系统波束形成矩阵进行设计，基站将时延多普勒域信号经过OTFS调制后由大规模天线发送，用户在OTFS接收端基于导频符号进行信道估计，将信道估计值和SNR值作为OBNN的输入，通过最小化损失函数进行模型学习，从而获得最优波束形成器权重。本发明专利技术优点是利用OTFS调制对多普勒频移的强鲁棒性，适应高移动性通信环境，通过深度学习能够确保损失函数收敛至局部最优，利用预训练权重适应信道估计误差与其他神经网络方法相比，其频谱效率具有显著提升。

【技术实现步骤摘要】

本专利技术属于无线通信，特别是一种基于深度学习的大规模mimo-otfs波束成形设计方法。

技术介绍

1、未来的第六代(6g)无线通信网络必须面对复杂的场景，如高移动性、高可靠通信。正交时频空间(otfs)调制是面向6g系统提出的一种新的调制方式，与传统的正交频分复用(ofdm)技术相比，otfs调制技术具有诸多优点。由于ofdm在高速移动场景下容易受到多普勒频移的影响，导致子载波间的正交性被破坏，从而产生严重的符号间干扰，而otfs能够在时延-多普勒域提供近似平坦的信道响应，对多普勒频移具有更强的鲁棒性，能够更好地适应高移动性的通信环境，保持稳定的通信性能。

2、多输入多输出(mimo)技术已广泛应用于当前的无线网络中，是一种实现大容量、高数据速率传输的有效手段。将otfs和mimo相结合的mimo-otfs系统，可以满足更复杂的通信场景要求。近年来，为了进一步提高频谱效率，大规模天线阵列开始应用于mimo-otfs系统，其中，波束成形技术作为一种保障通信质量和系统可靠性的关键技术，已越来越得到深入的研究。然而，在毫米波频段，mimo-otf本文档来自技高网...

【技术保护点】

1.一种基于深度学习的大规模MIMO-OTFS波束成形设计方法，其特征在于，包括下列步骤：

2.根据权利要求1所述的一种基于深度学习的大规模MIMO-OTFS波束成形设计方法，其特征在于，所述步骤1具体过程是：将大小为M×N的时延多普勒信号X通过符号交织器和矢量化处理，得到DD域信号再经过辛有限傅里叶逆变换ISFFT和海森堡变换，实现OTFS调制，得到时域信号流其表达式为：

3.根据权利要求1所述的一种基于深度学习的大规模MIMO-OTFS波束成形设计方法，其特征在于，所述步骤2具体包括：步骤1所发射的MIMO-OTFS信号由多径信道进行传输，经过第nt个发送天线...

【技术特征摘要】

1.一种基于深度学习的大规模mimo-otfs波束成形设计方法，其特征在于，包括下列步骤：

2.根据权利要求1所述的一种基于深度学习的大规模mimo-otfs波束成形设计方法，其特征在于，所述步骤1具体过程是：将大小为m×n的时延多普勒信号x通过符号交织器和矢量化处理，得到dd域信号再经过辛有限傅里叶逆变换isfft和海森堡变换，实现otfs调制，得到时域信号流其表达式为：

3.根据权利要求1所述的一种基于深度学习的大规模mimo-otfs波束成形设计方法，其特征在于，所述步骤2具体包括：步骤1所发射的mimo-otfs信号由多径信道进行传输，经过第nt个发送天线和第nr个接收天线的...

【专利技术属性】
技术研发人员：姜宏，董博，许明勋，张敬涛，聂新礼，郑惠明，李启，许然，王森，
申请(专利权)人：吉林大学，
类型：发明
国别省市：