CN109302217A - 一种高效的mimo系统发射天线选择方法 - Google Patents

Abstract

本发明公开了一种高效的MIMO系统发射天线选择方法，处理步骤如下：步骤1：获取信道矩阵Hi；步骤2：获取信道矩阵的最大奇异值f_i＝σ_max(H_i)；步骤3：将f_i用sigmoid函数归一化得到归一化输入数据步骤4：获取训练数据集T；步骤5：将训练数据集T输入至输入向量机，获取使目标函数H(X_r)最小且使目标函数H(X_r)的相对变化率R小于阈值时的训练数据子集C和决策函数参数A_k；步骤6：将训练数据子集C，决策函数参数A_k和新的输入数据X代入到决策函数g_j(X)中，使得决策函数g_j(X)最大的天线组合即为最优的天线选择。算法能有效提高接收端信噪比，降低设备复杂度和经济成本，快速适应信道状态经常变化的环境。

Description

一种高效的MIMO系统发射天线选择方法

技术领域

本发明涉及通信技术领域，尤其涉及一种高效的MIMO系统发射天线选择方法。

背景技术

MIMO(Multiple-Input Multiple-Output)系统是多天线无线通信系统，能利用发射端的多个天线各自独立发送信号，同时在接收端用多个天线接收并恢复原信息。由于MIMO系统可以在不需要增加带宽或总发送功率耗损的情况下大幅地增加系统的数据吞吐量及发送距离，使得此技术于近几年受到许多瞩目。MIMO系统的核心概念为利用多根发射天线与多根接收天线所提供之空间自由度来有效提升无线通信系统之频谱效率，以提升传输速率并改善通信质量。然而，由于MIMO系统中配备多个昂贵的射频链路使得硬件的成本和复杂度都增加很大，因此天线选择技术被人们提出并进行了研究。

天线选择的基本出发点是在所有的天线中选择出一部分性能较佳的天线来使用，既发挥MIMO系统的空间分集和复用增益的优点，又降低其硬件复杂度。天线选择准则主要包括信道容量最大准则和接收端信噪比最大准则。传统的天线选择算法包括穷举法，增量算法和减量算法。穷举法通过计算所有可能的天线子集组合的性能表现如信道容量或者接收端信噪比等，从而选出最优的子集，该算法的计算复杂度在天线数目增加时急遽增长。增量算法和减量算法复杂度低于穷举法，同时系统信道容量性能能够逼近穷举法，但复杂度依然很高。有基于信道相关性的快速选择算法，虽然大幅度降低了计算复杂度，却使得信道容量损失也较大。也有一种基于优先级的快速选择算法，但是遗传算法的多参数和交叉变异操作使得该算法在复杂度和性能的均衡方面有待改善。现有的技术方法都属于最优化方法，其共同缺点是算法复杂度较高且算法性能受初始值设置的影响较大。实时信道中，天线选择算法需要快速适应信道状态经常变化的环境，故需要一些低复杂度和算法性能受初始值设置的影响较小的天线选择算法。

发明内容

为了解决上述现有技术存在的问题，本发明目的在于提供一种高效的MIMO系统发射天线选择方法。与以往技术相比具有如下优势该算法的复杂度较低，且算法性能受初始值设置的影响较小。

本发明所述的一种高效的MIMO系统发射天线选择方法，其特征在于，包括：采用输入向量机进行发射天线选择，包括以下处理步骤：

步骤1：获取信道矩阵H_i；

步骤2：获取信道矩阵的最大奇异值f_i＝σ_max(H_i)；

步骤3：将f_i用sigmoid函数归一化得到归一化输入数据

步骤4：获取训练数据集T；

步骤5：将训练数据集T输入至输入向量机，获取使目标函数H(X_r)最小且使目标函数H(X_r)的相对变化R率小于阈值时的训练数据子集C和决策函数参数A_k；

步骤6：将训练数据子集C、决策函数参数A_k和新的输入数据X代入到决策函数g_j(X)中，使得决策函数g_i(X)最大的天线组合即为最优的天线选择。

优选地，在步骤4中，所述的训练数据集T获取方式为，评估每一个信道矩阵H_i关于个天线组合的接收端信噪比，N为发射天线总数，K为选择天线数目，找到接收端信噪比最大的天线组合序号t，令训练输出向量Y_i＝[y_i1…y_iJ]的第t个元素的值为1，其余元素的值为0，即y_it＝1且得到训练数据集T，则T＝{(X_i，Y_i)}。

优选地，在步骤5中，在第1次循环中令训练数据子集训练输入数据集D＝{X_i(i＝1，2，...，I)}，

对于X_r∈D\C计算目标函数计算公式为

其中，K₁＝K(X_i，X_p)，X_i∈D，X_p∈C∪{X_r}；K₁(i，)是第i行的K₁；K₂＝K(X_p，X_q)，X_q∈C∪{X_r}，

在第k次循环中：

w＝diag[p₁(X_i)，p₂(X_i)，...p_J+1(X_i)]，

z＝K₁A_k-1+w^-1(Y-P)，

Y＝[Y₁…Y_I]^T，

其中，W是权值矩阵，p_j(X_i)是输入数据X_i归为j类的概率，a_pj是目标函数参数，z是计算A_k的参数矩阵，Y是训练输出数据矩阵，P是分类概率矩阵；找到使得H(X_r)最小的其中，是第k次循环中使得目标函数最小的输入数据，令其中，H_k是第k次循环得到的目标函数，当H_k的相对变化率R收敛时，对应的训练数据子集c和决策函数参数A_k即为所需参数。

优选地，在步骤5中，所述的相对变化率R计算公式为

优选地，在步骤5中，所述的阈值为0.001，当R小于这个值时即为收敛。

优选地，在步骤6中，所述的目标函数其中，M是训练输入数据的数量。

与现有技术相比，本发明所述的一种高效的MIMO系统发射天线选择方法，其优点在于，采用了多类别分类器----输入向量机进行发射天线选择，输入向量机优良的分类性能可以有效减小推断偏差，而且算法能够有效提高接收端信噪比，降低设备复杂度和经济成本，快速适应信道状态经常变化的环境。

附图说明

图1是本发明所述的高效的MIMO系统发射天线选择方法的流程图。

具体实施方式

如图1所示，本发明所述的一种高效的MIMO系统发射天线选择方法。

该方法采用输入向量机进行发射天线选择，包括以下处理步骤：

步骤1：获取信道矩阵H_i；

步骤2：获取信道矩阵的最大奇异值f_i＝σ_max(H_i)；

步骤3：将f_i用sigmoid函数归一化得到归一化输入数据

步骤4：获取训练数据集T；

步骤5：将训练数据集T输入至输入向量机，获取使目标函数H(X_r)最小且使目标函数H(X_r)的相对变化率R小于阈值时的训练数据子集C和决策函数参数A_k；

步骤6：将训练数据子集C、决策函数参数A_k和新的输入数据X代入到决策函数g_j(X)中，使得决策函数g_j(X)最大的天线组合即为最优的天线选择。

本发明的工作原理是：

第一步：首先，需要获取若干各信道矩阵H_i作为训练数据。

第二步：计算出每个信道矩阵Hi的最大奇异值f_i＝σ_max(H_i)。

第三步：将最大奇异值f_i归一化，本实施例中的归一化方式是使用sigmoid函数，得到归一化输入数据避免其产生过大偏差。

第四步：评估每一个信道矩阵H_i关于个天线组合的接收端信噪比，N为发射天线总数，K为选择天线数目，找到接收端信噪比最大的天线组合序号t，令训练输出向量Y_i＝[y_i1…y_iJ]的第t个元素的值为1，其余元素的值为0，即y_it＝1且得到训练数据集T，则T＝{(X_i，Y_i)}。

第五步：将训练数据集T输入至输入向量机，计算目标函数H(X_r)，在第1次循环中令D＝{X_i(i＝1，2，...，I)}，

对于X_r∈D\C计算目标函数H(X_r)：

其中，K₁＝K(X_i，X_p)，X_i∈D，X_p∈C∪{X_r}；K₁(i，)是第i行的K₁；K₂＝K(X_p，X_q)，X_q∈C∪{X_r}。

在第k次循环中：

w＝diag[p₁(X_i)，p₂(X_i)，...p_J+1(X_i)]，

z＝K₁A_k-1+w^-1(Y-P)，

Y＝[Y₁…Y_I]^T，

其中，w是权值矩阵，p_j(X_i)是输入数据X_i归为j类的概率，a_pj是目标函数参数，z是计算A_k的参数矩阵，Y是训练输出数据矩阵，P是分类概率矩阵；

第六步：找到使得目标函数H(X_r)最小的其中，是第k次循环中使得目标函数最小的输入数据，令其中，H_k是第k次循环得到的目标函数。

第七步：计算连续两次循环得到的H_k的相对变化率当H_k的变化率R＜0.001时，停止循环，否则重复第五步和第五步，直到R＜0.001。

第八步：将最后一次循环得到训练数据子集C(数目为M)、决策函数参数A_k和新的输入数据X代入决策函数使得决策函数g_i(X)最大的天线组合即为最优的天线选择。

对于本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。

Claims (6)

1.一种高效的MIMO系统发射天线选择方法，其特征在于，采用输入向量机进行发射天线选择，包括以下处理步骤：

步骤1:获取信道矩阵H_i；

步骤2:获取信道矩阵的最大奇异值f_i＝σ_max(H_i)；

步骤3:将f_i用sigmoid函数归一化得到归一化输入数据

步骤4:获取训练数据集T；

步骤5:将训练数据集T输入至输入向量机,获取使目标函数H(X_r)最小且使目标函数H(X_r)的相对变化率R小于阈值时的训练数据子集C和决策函数参数A_k；

步骤6：将训练数据子集C、决策函数参数A_k和新的输入数据X代入到决策函数g_j(X)中，使得决策函数g_j(X)最大的天线组合即为最优的天线选择。

2.根据权利要求1所述高效的MIMO系统发射天线选择方法，其特征在于，在步骤4中，所述的训练数据集T获取方式为,评估每一个信道矩阵H_i关于个天线组合的接收端信噪比，N为发射天线总数，K为选择天线数目，找到接收端信噪比最大的天线组合序号t，令训练输出向量Y_i＝[y_i1…y_iJ]的第t个元素的值为1，其余元素的值为0，即y_it＝1且得到训练数据集T，则T＝{(X_i,Y_i)}。

3.根据权利要求1所述高效的MIMO系统发射天线选择方法，其特征在于，在步骤5中，在第1次循环中令训练数据子集训练输入数据集D＝{X_i(i＝1,2,…,I)},

对于X_r∈D\C计算目标函数计算公式为

其中,K₁＝K(X_i,X_p),X_i∈D,X_p∈C∪{X_r}；K₁(i,)是第i行的K₁；K₂＝K(X_p,X_q),X_q∈C∪{X_r}，

在第k次循环中：

W＝diag[p₁(X_i),p₂(X_i),…p_J+1(X_i)]，

Z＝K₁A_k-1+W^-1(Y-P)，

Y＝[Y₁…Y_I]^T,

其中,W是权值矩阵,p_j(X_i)是输入数据X_i归为j类的概率,a_pj是目标函数参数,Z是计算A_k的参数矩阵,Y是训练输出数据矩阵,P是分类概率矩阵；找到使得H(X_r)最小的其中，是第k次循环中使得目标函数最小的输入数据,令其中，H_k是第k次循环得到的目标函数,当H_k的相对变化率R收敛时，对应的训练数据子集C和决策函数参数A_k即为所需参数。

4.根据权利要求1或3所述的一种高效的MIMO系统发射天线选择方法，其特征在于，在步骤5中，所述的相对变化率R计算公式为

5.根据权利要求1所述的一种高效的MIMO系统发射天线选择方法，其特征在于，在步骤5中，所述的阈值为0.001，当R小于这个值时即为收敛。

6.根据权利要求1或3所述的一种高效的MIMO系统发射天线选择方法，其特征在于，在步骤6中，所述的目标函数其中，M是训练输入数据的数量。