CN110635858A - 一种基于量子计算的自回归模型信道预测方法 - Google Patents
一种基于量子计算的自回归模型信道预测方法 Download PDFInfo
- Publication number
- CN110635858A CN110635858A CN201910279857.4A CN201910279857A CN110635858A CN 110635858 A CN110635858 A CN 110635858A CN 201910279857 A CN201910279857 A CN 201910279857A CN 110635858 A CN110635858 A CN 110635858A
- Authority
- CN
- China
- Prior art keywords
- matrix
- model
- value
- quantum
- register
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 58
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3913—Predictive models, e.g. based on neural network models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
Abstract
本发明提出一种基于量子计算的自回归模型信道预测方法,包括:步骤1,获取已知信道值,设置AR模型的阶数,根据当前已知信道值预测后一时刻的信道值;步骤2:采用最小二乘法求解AR模型系数的估计值得出计算公式;步骤3:采用量子计算求解所述计算公式,得出量子状态的AR模型系数|d>;步骤4:定义一组测量算子M,通过计算<d|M|d>获得AR模型系数估计值。本发明将求解AR模型系数的最小二乘估计与量子计算结合,能够有效地降低经典计算的复杂度,并且在计算结果上与现有系数估计效果相当。
Description
技术领域
本发明涉及自回归模型的参数估计,具体涉及一种基于量子计算的自回归模型信道预测方法。
背景技术
近年来,无线通信技术经历了快速发展,从第一代通信技术的传统语音服务到目前正在不断更新的多媒体宽带业务。人们的通信工具也从传统的手机变为智能手机等其他电子产品,这更加需要第四代移动通信系统提供更高速和更可靠的通信服务。在实际的无线通信系统中,由于发送端和接收端之间的相对移动性以及链路路径中物体移动性,所以实际的系统信道是时变的,尤其是信道变化比较快时,信道延时将导致发送端得到的信道信息状态(channel stateinformation,CSI)很不准,导致很大的系统性能损失。一种有效的克服信道延时的方法是信道预测,信道预测是利用历史数据预测未来的数据。信道预测可获得即时的CSI。可以有效地提高无线通信系统的信道容量。
信道预测中许多方法都基于自回归模型(auto-regressive,AR)。在基于AR模型的算法中,最大的好处是不需要多普勒频移,散射体数量等信道的物理属性的信息,它只根据过去的信道值进行预测,算法相对简单,计算量小。AR模型由于直接根据信道值进行预测,所以在参数变化时的跟踪性能相对较好一些。AR模型参数估计的方法一般基于最小二乘估计,近年来量子计算成为了研究的热门内容。
发明内容
本发明针对现有技术的不足,提出了一种基于量子计算的自回归模型信道预测方法,有效降低现有运用最小二乘估计自回归模型系数的方法复杂度。
为达到上述技术目的,本发明采取以下技术方案:
步骤1,获取已知信道值,设置AR模型的阶数,根据当前已知信道值预测后一时刻的信道值;
步骤3:采用量子计算求解所述计算公式,得出量子状态的AR模型系数|d>;
步骤4:定义一组测量算子M,通过计算<d|M|d>获得AR模型系数估计值。
进一步地,步骤21,通过最小二乘法对AR模型的系数进行估计:
残差平方和为
记
其中ε为残差,
得到如下线性方程组
Y=Xd+ε
目标函数表示为
S(d)=(Y-Xd)T(Y-Xd)=YTY-2YTXd+dTXTXd
其中(Y-Xd)T为矩阵(Y-Xd)的转置矩阵,YT为矩阵Y的转置矩阵,
对参数d求导并令其为0,
进一步地,步骤3具体包括如下步骤:
判断矩阵A是否为厄米特(Hermitian)矩阵,
若矩阵A不是厄米特矩阵,则定义矩阵
若矩阵A为厄米特矩阵,运用量子计算来求解
列向量b构造为量子态|b>=∑iβi|vi>,其中vi为矩阵A的奇异向量,
定义矩阵A′=A+μI,其中μ=1/κ,
在δ≤1/2κ条件下对矩阵A,A′分别执行量子奇异值估计(Quantum singularvalue estimation,QSVE)操作,得到状态
添加第一辅助寄存器D,当矩阵A的寄存器B中的值大于矩阵A′的寄存器C中的值时,将第一辅助寄存器的值设置为1,且应用控制相位门
添加第二辅助寄存器E并在γ=O(1/κ)的条件下对矩阵A的寄存器执行旋转操作,取消计算寄存器B、C、D,得到状态
κ为矩阵A的条件数,
测量第二辅助寄存器E状态为|0>时,获得状态
对应量子状态
相比于现有技术,本发明将求解AR模型系数的最小二乘估计与量子计算结合,能够有效地降低经典计算的复杂度,并且在计算结果上与现有系数估计效果相当。
附图说明
图1为本发明所述预测方法流程图。
具体实施方式
下面结合附图对本发明实施例作详细说明。
如图1所示,本发明所述基于量子计算的自回归模型信道预测方法包括以下步骤:
步骤1,获取已知信道值,设置AR模型的阶数p。根据当前时刻已知的信道值预测后一时刻的信道值。
其中p是AR模型的阶数,cn-1,...cn-p是已知信道值,dj是AR模型的系数。
步骤2,采用最小二乘法求解AR模型系数的估计值得出计算公式;
其中p是AR模型的阶数,cn-1,...cn-p是过去的信道值,dj是AR模型的系数。
残差平方和
步骤22:求解残差平方和的最小值以作为AR(p)模型中自回归系数d1,d2,…,dp的估计值:
记
其中ε为残差。
得到如下线性方程组
Y=Xd+ε
于是目标函数可表示为
S(d)=(Y-Xd)T(Y-Xd)=YTY-2YTXd+dTXTXd
其中(Y-Xd)T为矩阵(Y-Xd)的转置矩阵,YT为矩阵Y的转置矩阵。
对参数d求导并令其为0,可得
列向量b构造为量子态|b>=∑iβi|vi>,其中vi为矩阵A的奇异向量。
定义矩阵A′=A+μI,其中μ=1/κ。在δ≤1/2κ条件下对矩阵A,A′分别执行量子奇异值估计(Quantum singular value estimation,QSVE)操作,得到状态
添加第一辅助寄存器D,当寄存器B中的值大于寄存器C中的值时,将第一辅助寄存器D的值设置为1,并且应用控制相位门
再添加第二辅助寄存器E并在γ=O(1/κ)的条件下对寄存器B执行旋转操作。
取消计算寄存器B,C,D,得到状态
测量第二辅助寄存器E状态为|0>时,获得状态
步骤4,定义一组测量算子M,通过计算<d|M|d>获得AR模型的系数dj。
以上实施例的说明只是用于帮助理解本发明方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求保护范围内。
Claims (3)
1.一种基于量子计算的自回归模型信道预测方法,其特征在于:包括以下步骤:
步骤1,获取已知信道值,设置AR模型的阶数p,根据当前已知信道值预测后一时刻的信道值,
步骤2:采用最小二乘法求解AR模型系数的估计值得出计算公式;
步骤3:采用量子计算求解所述计算公式,得出量子状态的AR模型系数|d>;
步骤4:定义一组测量算子M,通过计算<d|M|d>获得AR模型系数估计值。
2.根据权利要求1所述的方法,其特征在于:
步骤1中,
其中p是AR模型的阶数,cn-1,...cn-p是已知信道值,dj是AR模型的系数;
步骤2具体包括以下步骤:
步骤21,通过最小二乘法对AR模型的系数进行估计:
残差平方和为
步骤22,求解残差平方和的最小值时的作为AR模型系数d1,d2,…,dp的估计值:
记
其中ε为残差,
得到如下线性方程组
Y=Xd+ε
目标函数表示为
S(d)=(Y-Xd)T(Y-Xd)=YTY-2YTXd+dTXTXd
其中(Y-Xd)T为矩阵(Y-Xd)的转置矩阵,YT为矩阵Y的转置矩阵,
对参数d求导并令其为0,
3.根据权利要求2所述的方法,其特征在于:步骤3具体包括如下步骤:
判断矩阵A是否为厄米特矩阵,
若矩阵A不是厄米特矩阵,则定义矩阵
列向量b构造为量子态|b>=∑iβi|vi>,其中vi为矩阵A的奇异向量,
定义矩阵A′=A+μI,其中μ=1/κ,
在δ≤1/2κ条件下对矩阵A,A′分别执行QSVE估计操作,得到状态
添加第一辅助寄存器D,当矩阵A的寄存器B中的值大于矩阵A′的寄存器C中的值时,将第一辅助寄存器D的值设置为1,且应用控制相位门
添加第二辅助寄存器E并在γ=O(1/κ)的条件下对矩阵A的寄存器B执行旋转操作,取消计算寄存器B、C、D,得到状态
κ为矩阵A的条件数;
测量第二辅助寄存器E状态为|0>时,获得状态
对应量子状态
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910279857.4A CN110635858B (zh) | 2019-04-09 | 2019-04-09 | 一种基于量子计算的自回归模型信道预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910279857.4A CN110635858B (zh) | 2019-04-09 | 2019-04-09 | 一种基于量子计算的自回归模型信道预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110635858A true CN110635858A (zh) | 2019-12-31 |
CN110635858B CN110635858B (zh) | 2021-11-09 |
Family
ID=68968378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910279857.4A Expired - Fee Related CN110635858B (zh) | 2019-04-09 | 2019-04-09 | 一种基于量子计算的自回归模型信道预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110635858B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112019246A (zh) * | 2020-07-24 | 2020-12-01 | 深圳信息职业技术学院 | 基于信道预测的预编码方法、天线通信系统以及存储设备 |
CN114820182A (zh) * | 2021-01-29 | 2022-07-29 | 合肥本源量子计算科技有限责任公司 | 一种金融交易数据中协整对的量子查找方法及装置 |
WO2023065169A1 (en) * | 2021-10-20 | 2023-04-27 | Telefonaktiebolaget Lm Ericsson (Publ) | Determination of autoregressive model order for a channel prediction filter |
WO2023088387A1 (zh) * | 2021-11-17 | 2023-05-25 | 维沃移动通信有限公司 | 信道预测方法、装置、ue及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101662433A (zh) * | 2009-06-23 | 2010-03-03 | 中山大学 | 一种基于粒子滤波修正的信道预测方法 |
US20120300659A1 (en) * | 2006-12-18 | 2012-11-29 | University Of Waterloo | Adaptive channel prediction system and method |
CN103947131A (zh) * | 2011-10-25 | 2014-07-23 | 寰太知识管理顾问股份有限公司 | 多输入多输出无线通信系统中下行链路调度的系统和方法 |
CN109510676A (zh) * | 2019-01-11 | 2019-03-22 | 杭州电子科技大学 | 一种基于量子计算的无线信道预测方法 |
CN109565862A (zh) * | 2016-08-09 | 2019-04-02 | 三星电子株式会社 | 无线蜂窝通信系统中的信道发送方法和设备 |
-
2019
- 2019-04-09 CN CN201910279857.4A patent/CN110635858B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120300659A1 (en) * | 2006-12-18 | 2012-11-29 | University Of Waterloo | Adaptive channel prediction system and method |
CN101662433A (zh) * | 2009-06-23 | 2010-03-03 | 中山大学 | 一种基于粒子滤波修正的信道预测方法 |
CN103947131A (zh) * | 2011-10-25 | 2014-07-23 | 寰太知识管理顾问股份有限公司 | 多输入多输出无线通信系统中下行链路调度的系统和方法 |
CN109565862A (zh) * | 2016-08-09 | 2019-04-02 | 三星电子株式会社 | 无线蜂窝通信系统中的信道发送方法和设备 |
CN109510676A (zh) * | 2019-01-11 | 2019-03-22 | 杭州电子科技大学 | 一种基于量子计算的无线信道预测方法 |
Non-Patent Citations (3)
Title |
---|
ALEXANDRA DUEL-HALLEN: "Fading Channel Prediction for Mobile Radio Adaptive Transmission Systems", 《PROCEEDINGS OF THE IEEE》 * |
SHIJIE WEI: "Universal Quantum Channel Simulation in Duality Quantum Computing", 《2017 IEEE GLOBECOM WORKSHOPS (GC WKSHPS)》 * |
李素芳: "基于神经网络的无线通信算法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112019246A (zh) * | 2020-07-24 | 2020-12-01 | 深圳信息职业技术学院 | 基于信道预测的预编码方法、天线通信系统以及存储设备 |
CN114820182A (zh) * | 2021-01-29 | 2022-07-29 | 合肥本源量子计算科技有限责任公司 | 一种金融交易数据中协整对的量子查找方法及装置 |
CN114820182B (zh) * | 2021-01-29 | 2023-08-04 | 本源量子计算科技(合肥)股份有限公司 | 一种金融交易数据中协整对的量子查找方法及装置 |
WO2023065169A1 (en) * | 2021-10-20 | 2023-04-27 | Telefonaktiebolaget Lm Ericsson (Publ) | Determination of autoregressive model order for a channel prediction filter |
WO2023088387A1 (zh) * | 2021-11-17 | 2023-05-25 | 维沃移动通信有限公司 | 信道预测方法、装置、ue及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110635858B (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110635858B (zh) | 一种基于量子计算的自回归模型信道预测方法 | |
CN109510676B (zh) | 一种基于量子计算的无线信道预测方法 | |
CN107590317B (zh) | 一种计及模型参数不确定性的发电机动态估计方法 | |
CN102998973B (zh) | 一种非线性系统的多模型自适应控制器及控制方法 | |
CN103680515B (zh) | 采用系数重用的比例自适应滤波器系数向量更新方法 | |
RU2011104813A (ru) | Устройство и способ квантования и обратного квантования lpc-фильтра с переменной скоростью передачи битов | |
EP1774734A1 (en) | Multiple hypothesis channel estimation and prediction for ofdm systems | |
CN113162665B (zh) | 一种基于深度学习信道预测的预编码方法 | |
CN104904124A (zh) | 高效基带信号处理系统和方法 | |
CN106656882B (zh) | 一种信号合成方法及系统 | |
Yu et al. | Convolutional autoencoder-based phase shift feedback compression for intelligent reflecting surface-assisted wireless systems | |
CN104519001B (zh) | 一种基于rls和lms联合算法的信道均衡方法及均衡器 | |
CN108881075B (zh) | 一种冲击噪声环境中基于稳健自适应滤波的信道估计方法 | |
US8429215B2 (en) | Adaptive filter for channel estimation with adaptive step-size | |
CN113613301A (zh) | 一种基于dqn的空天地一体化网络智能切换方法 | |
CN113595666A (zh) | 大规模mimo系统基于时频联合相关性的信道预测方法和系统 | |
CN107182068A (zh) | 用于无线通信的装置和方法、参数优化装置和方法 | |
CN109638811B (zh) | 基于模型等值的配电网电压功率灵敏度鲁棒估计方法 | |
CN108092723A (zh) | 基于压缩感知算法的水声双扩展信道环境下的独立路径多普勒补偿与均衡方法 | |
CN115396055B (zh) | 信道预测方法及装置 | |
CN107329131A (zh) | 一种利用粒子滤波的雷达微弱目标检测跟踪方法 | |
CN116842440A (zh) | 基于情境感知的自适应链路切换方法及系统、设备、介质 | |
US20120140618A1 (en) | Method and Arrangement for Interference Congestion Control | |
CN114938232B (zh) | 基于lstm的同时同频全双工数字域自干扰抑制方法 | |
CN114781455A (zh) | 信道估计模型的训练方法、信道估计方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211109 |
|
CF01 | Termination of patent right due to non-payment of annual fee |