CN111313945B - 一种降低毫米波mimo系统峰均比的方法 - Google Patents

一种降低毫米波mimo系统峰均比的方法 Download PDF

Info

Publication number
CN111313945B
CN111313945B CN202010196047.5A CN202010196047A CN111313945B CN 111313945 B CN111313945 B CN 111313945B CN 202010196047 A CN202010196047 A CN 202010196047A CN 111313945 B CN111313945 B CN 111313945B
Authority
CN
China
Prior art keywords
parameters
matrix
transmitting
beam forming
encoder
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.)
Active
Application number
CN202010196047.5A
Other languages
English (en)
Other versions
CN111313945A (zh
Inventor
衡伟
颜兵健
李咏梅
吴晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202010196047.5A priority Critical patent/CN111313945B/zh
Publication of CN111313945A publication Critical patent/CN111313945A/zh
Application granted granted Critical
Publication of CN111313945B publication Critical patent/CN111313945B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0426—Power distribution
    • H04B7/043—Power distribution using best eigenmode, e.g. beam forming or beam steering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明公开了一种降低毫米波MIMO系统峰均比的方法，确定毫米波MIMO系统的系统模型结构及参数、确定毫米波MIMO系统发射端的混合波束成型矩阵的参数和接收端的模拟波束成型矩阵的参数、确定基于射线追踪的毫米波信道矩阵的参数；基于复数全连接层、层归一化模块、Swish激活层构建自编码器；基于平均峰均比最小化的同时保持误比特率性能不恶化的原则训练自编码器，得到自编码器的参数；输入信号经过编码器编码和发射端的混合波束成型后作为发射信号，发射信号经信道传输后再经接收端的模拟波束成型处理器、解码器，得到最终的接收信号。本发明能够在达到更低峰均比的同时，保持良好的误码率。

Description

一种降低毫米波MIMO系统峰均比的方法
技术领域
本发明涉及无线通信技术领域，特别是一种降低毫米波MIMO系统峰均比的方法。
背景技术
无线智能终端设备的普及和应用程序急剧增加的流量需求使得用户对移动业务的需求也急剧增加，流量需求和频谱短缺的矛盾使得位于3GHz至300GHz的高频毫米波频段受到了广泛的关注。然而毫米波的天然缺点，例如信号易受阻挡，衰减快和路径损耗大，导致了毫米波通信的实际应用存在诸多挑战。大规模天线阵列技术与数字波束成型技术的结合能够增加天线增益来弥补路径损耗，但是数字基带需求的射频链路数随着天线阵列规模的增加而增加，这大大增加了设备成本和功耗。相关研究提出了混合波束成型技术，该技术一方面达到近似纯数字波束成型技术的性能，另一方减少了数字收发链路的数量从而削减了器件成本，但是发射端功放器件的数量仍然随着天线阵列规模的增加而增加，因此，在基于大规模天线阵列和混合波束成型技术的毫米波系统中，发射端功放器件的功耗是制约整个系统能量效率的一个关键问题。为了提高功放器件的能量转换效率，必须降低峰均功率比(Peak-to-Average Power Ratio，PAPR)以使功放稳定工作在饱和区域附近。
发明内容
本发明所要解决的技术问题是克服现有技术的不足而提供一种降低毫米波MIMO系统峰均比的方法，本发明可以降低毫米波发射信号的峰均比，同时降低系统的误码率。
本发明为解决上述技术问题采用以下技术方案：
根据本发明提出的一种降低毫米波MIMO系统峰均比的方法，包括以下步骤：
步骤1、确定毫米波MIMO系统的系统模型结构及参数、确定毫米波MIMO系统发射端的混合波束成型矩阵的参数和接收端的模拟波束成型矩阵的参数、确定基于射线追踪的毫米波信道矩阵的参数；
步骤2、基于复数全连接层、层归一化模块、Swish激活层构建自编码器，自编码器包括发送端的编码器和接收端的解码器；
步骤3、基于平均峰均比与发射信号和接收信号均方误差的加权和最小化的原则训练自编码器，得到自编码器的参数；
步骤4、输入信号经过编码器编码和发射端的混合波束成型后作为发射信号，发射信号经信道传输后再经接收端的模拟波束成型处理器、解码器，得到最终的接收信号。
作为本发明所述的一种降低毫米波MIMO系统峰均比的方法进一步优化方案，步骤1具体如下：
步骤1.1、确定系统模型结构，设一个在时间T内包含L条数据流的数据块
Figure BDA0002417645300000021
进入毫米波MIMO系统，其中q＝1,…,Q表示数据块索引，Q为数据块数目，st(q)为第q个数据块中时刻t的信号，t＝1,...,T,上标y表示转置，
Figure BDA0002417645300000022
表示维度为(T,L)的复数集合，则接收端的信号
Figure BDA0002417645300000023
描述为
Figure BDA0002417645300000024
其中EN(·)和DE(·)分别表示自编码器的编码器和解码器模块，Wa表示接收端的模拟波束成型矩阵，H表示毫米波信道矩阵的参数，F＝FaFd表示发射端的混合波束成型矩阵，其中Fa表示模拟波束成型，Fd表示数字波束成型，ε表示信道噪声；
确定系统模型参数，系统模型参数包括发射端和接收端的天线总数和天线子阵列数量、单天线峰值功率以及每个数据块内数据符号向量的数量；
步骤1.2、确定基于射线追踪的毫米波信道矩阵的参数
Figure BDA0002417645300000025
其中Λα为路径增益矩阵，AR为接收端天线阵列的方向矩阵，AT为发射端天线阵列的方向矩阵，h表示共轭转置；
步骤1.3、确定毫米波MIMO系统发射端的混合波束成型矩阵的参数和接收端模拟波束成型矩阵的参数：
设发射信号矩阵的元素为独立同分布的零均值高斯随机变量，即发射信号为x(q)＝[x1(q),...,xT(q)]＝F×EN(s(q))，其中，xt(q)为时刻t时的输出信号，
Figure BDA0002417645300000026
即零均值且方差为
Figure BDA0002417645300000027
的复高斯随机变量；
基于所有接收天线的平均接收功率最大化构建接收端的模拟波束成型矩阵的参数
Figure BDA0002417645300000028
Figure BDA0002417645300000029
其中Wl表示模拟波束成型矩阵Wa的第l列，即第l个天线子阵列对应的波束成型，中间变量
Figure BDA00024176453000000210
K表示信道射线簇的数目，
Figure BDA00024176453000000211
表示第k个射线簇的路径增益的方差，k＝1,...,K，
Figure BDA00024176453000000212
表示接收端天线阵列的方向矩阵的第(l-1)nr+1到l×nr行所构成的子矩阵，其中nr表示每个接收天线子阵列的天线数目；
基于所有发射天线的平均发送功率最大化设计发射端的混合波束成型矩阵的参数
Figure BDA00024176453000000213
包括发射端模拟波束成型矩阵的参数
Figure BDA00024176453000000214
和发射端数字波束成型参数
Figure BDA00024176453000000215
Figure BDA00024176453000000216
Figure BDA00024176453000000217
和
Figure BDA00024176453000000218
分别表示发射端第l个天线子阵列对应的数字波束成型和模拟波束成型，
Figure BDA00024176453000000219
表示发射端天线阵列的方向矩阵的第(l-1)nt+1到l×nt行所构成的子矩阵，其中nt表示每个发射天线子阵列的天线数目；第一步固定
Figure BDA00024176453000000220
根据接收端模拟波束成型的解法求解发射端模拟波束成型矩阵的参数，第二步采用拉格朗日乘子法解凸优化问题得到发射端数字波束成型参数。
作为本发明所述的一种降低毫米波MIMO系统峰均比的方法进一步优化方案，步骤2中所述的自编码器，包括发送端的编码器和接收端的解码器，均由复数全连接层、层归一化模块、Swish激活层构成；
复数全连接层的输出的实部和虚部分别表示为outreal＝srealwreal-simagwimag+breal和outimag＝srealwimag+simagwreal+bimag，其中上标real和imag分别表示实部和虚部，s表示输入信号，w和b分别表示复数全连接层的权重和偏置，sreal为输入信号的实部，wreal为复数全连接层的权重的实部，simag为输入信号的虚部，wimag复数全连接层的权重的虚部，breal为复数全连接层的偏置的实部，bimag为复数全连接层的偏置的虚部；
层归一化模块表示为
Figure BDA0002417645300000031
其中，B表示训练时的批量大小，μb和σb分别表示当前批次的第b个样本的网络层的所有神经元的均值和方差，inb,:,:和outb,:,:分别表示当前批次的第b个样本的输入信号向量和输出信号向量，其中下标中的b表示第b个元素，:表示该维度的所有元素，γb用于调整输出信号的分布的方差，βb用于调整输出信号的分布的均值，γb和βb都由网络学习得到；
Swish函数
Figure BDA00024176453000000312
表示为
Figure BDA0002417645300000032
其中
Figure BDA00024176453000000313
表示函数的自变量，exp(·)表示指数函数，Swish激活层对输入信号逐元素地应用Swish函数。
作为本发明所述的一种降低毫米波MIMO系统峰均比的方法进一步优化方案，步骤3中在训练过程中，固定混合波束成型的参数和信道的参数，只学习编码器和解码器的参数；训练的损失函数由输入信号和输出信号的均方误差以及发射信号的平均峰均比两部分的加权平均组成，整体的损失函数表示为
Figure BDA0002417645300000033
其中，均方误差
Figure BDA0002417645300000034
平均峰均比
Figure BDA0002417645300000035
α为超参数，用于调整
Figure BDA0002417645300000036
和l2(z)的重要程度，s和
Figure BDA00024176453000000311
分别表示输入信号和接收信号，st,l和
Figure BDA0002417645300000037
分别表示s和
Figure BDA0002417645300000038
的第t行第l列的元素，z表示输入信号由编码器进行峰均比压缩预编码的输出，Mt表示发射天线子阵列数，z:m表示z的第m列的所有元素，
Figure BDA0002417645300000039
表示矩阵的二范数的平方，
Figure BDA00024176453000000310
矩阵的无穷范数的平方；在训练过程收敛后得到自编码器参数，其中编码器部分作为对输入信号的峰均比压缩预编码，解码器用于根据模拟波束成型模块的输出恢复原始信号。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
本发明提出的基于自编码器的神经架构降低毫米波MIMO系统峰均比的方法，能够在大幅度降低发射信号的峰均比的情况下，获得较低的误比特率；此外，与基于数学优化模型的算法相比，在测试时具有较低的时间复杂度。
附图说明
图1是本发明流程图。
图2是基于大规模天线阵列混合波束成型和使用自编码器进行峰均比压缩预编码的毫米波系统架构。
图3为基于自编码器的神经架构与两种基于数学优化方案(ZF,ALG4.1)的PAPR性能对比。
图4为基于自编码器的神经架构与两种基于数学优化方案(ZF,ALG4.1)的误比特率性能对比。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
图1是本发明流程图。图2是基于大规模天线阵列混合波束成型和使用自编码器进行峰均比压缩预编码的毫米波系统架构。
第一步，确定系统模型参数，发射端的128根天线被分成了8个天线子阵列，接收端的32根天线被分成了4个天线子阵列。设每个数据块内发送10个数据符号向量，数据符号采用QPSK调制。信噪比定义为
Figure BDA0002417645300000041
单天线峰值功率设置为
Figure BDA0002417645300000042
第二步，确定基于射线追踪表示的毫米波信道矩阵参数。假设毫米波信道中有8条传输路径，每条路径的等效发射角和等效到达角在[-1,1]范围内均匀分布，每条路径具有相同的功率。
第三步，确定波束成型矩阵参数。根据发明内容中的对应最优化问题求解相应的最优波束成型矩阵参数。
第四步，根据Layer Normalization归一化层、Swish激活层和本方法提出的复数全连接层构建自编码器，包括发送端的编码器和接收端的解码器，由于发射天线子阵列数和接收天线子阵列数不一定一致，因此编码器和解码器并不一定对称。此外，考虑对编码器和解码器采用不同的归一化方案，包括四种情况。编解码器都添加层归一化，仅编码器添加层归一化，仅解码器添加层归一化，编解码器都不添加层归一化。经过实验，最终保留两种方案，即编解码器都添加层归一化和仅编码器添加层归一化。在构建完成自编码器网络模块之后，需要设置网络超参数，网络的层数设置为两层复数全连接层和一层非线性激活层，仅编码器包含层归一化的方案成为NN1，编解码器都包含层归一化的方案设置为NN2，此外设置隐层的神经元数目为100。
第五步，基于自监督学习训练自编码器，生成大量的QPSK信号作为训练数据，同时作为训练的真实值，目标是最小化所有发射天线子阵列的平均峰均比的同时，降低系统误比特率，即接收信号和真实值的误差尽可能的小。在网络训练过程中，固定混合波束成型的参数和信道的参数，只学习编码器和解码器的参数。训练的损失函数由输入信号和输出信号的均方误差以及发射信号的平均峰均比两部分的加权平均组成，即loss＝l1+αl2，其中超参数α＝0.08。此外，训练过程中噪声功率固定，信噪比SNR＝20dB。
第六步，在测试环节，固定训练好的自编码器参数，输入QPSK信号，在整个系统做一次前向传播，得到的接收信号与输入信号的误差足够小，同时发射信号的峰均功率比足够小，PAPR性能和BER性能分别如图3和图4所示。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围内。

Claims (3)

1.一种降低毫米波MIMO系统峰均比的方法，其特征在于，包括以下步骤：
步骤1、确定毫米波MIMO系统的系统模型结构及参数、确定毫米波MIMO系统发射端的混合波束成型矩阵的参数和接收端的模拟波束成型矩阵的参数、确定基于射线追踪的毫米波信道矩阵的参数；
步骤2、基于复数全连接层、层归一化模块、Swish激活层构建自编码器，自编码器包括发送端的编码器和接收端的解码器；
步骤3、基于平均峰均比与发射信号和接收信号均方误差的加权和最小化的原则训练自编码器，得到自编码器的参数；
步骤4、输入信号经过编码器编码和发射端的混合波束成型后作为发射信号，发射信号经信道传输后再经接收端的模拟波束成型处理器、解码器，得到最终的接收信号；
步骤1具体如下：
步骤1.1、确定系统模型结构，设一个在时间T内包含L条数据流的数据块
Figure FDA0002767469380000011
进入毫米波MIMO系统，其中q＝1,...,Q表示数据块索引，Q为数据块数目，st(q)为第q个数据块中时刻t的信号，t＝1,...,T,上标y表示转置，
Figure FDA0002767469380000012
表示维度为(T,L)的复数集合，则接收端的信号
Figure FDA0002767469380000013
描述为
Figure FDA0002767469380000014
其中EN(·)和DE(·)分别表示自编码器的编码器和解码器模块，Wa表示接收端的模拟波束成型矩阵，H表示毫米波信道矩阵的参数，F＝FaFd表示发射端的混合波束成型矩阵，其中Fa表示模拟波束成型，Fd表示数字波束成型，ε表示信道噪声；
确定系统模型参数，系统模型参数包括发射端和接收端的天线总数和天线子阵列数量、单天线峰值功率以及每个数据块内数据符号向量的数量；
步骤1.2、确定基于射线追踪的毫米波信道矩阵的参数
Figure FDA0002767469380000015
其中Λα为路径增益矩阵，AR为接收端天线阵列的方向矩阵，AT为发射端天线阵列的方向矩阵，h表示共轭转置；
步骤1.3、确定毫米波MIMO系统发射端的混合波束成型矩阵的参数和接收端模拟波束成型矩阵的参数：
设发射信号矩阵的元素为独立同分布的零均值高斯随机变量，即发射信号为x(q)＝[x1(q),...,xT(q)]＝F×EN(s(q))，其中，xt(q)为时刻t时的输出信号，
Figure FDA0002767469380000016
即零均值且方差为
Figure FDA0002767469380000017
的复高斯随机变量；
基于所有接收天线的平均接收功率最大化构建接收端的模拟波束成型矩阵的参数Wl *，
Figure FDA0002767469380000018
其中Wl表示模拟波束成型矩阵Wa的第l列，即第l个天线子阵列对应的波束成型，中间变量
Figure FDA0002767469380000019
K表示信道射线簇的数目，
Figure FDA00027674693800000110
表示第k个射线簇的路径增益的方差，k＝1,...,K，
Figure FDA00027674693800000111
表示接收端天线阵列的方向矩阵的第(l-1)nr+1到l×nr行所构成的子矩阵，其中nr表示每个接收天线子阵列的天线数目；
基于所有发射天线的平均发送功率最大化设计发射端的混合波束成型矩阵的参数
Figure FDA0002767469380000021
包括发射端模拟波束成型矩阵的参数
Figure FDA0002767469380000022
和发射端数字波束成型参数
Figure FDA0002767469380000023
Figure FDA0002767469380000024
fl d和fl a分别表示发射端第l个天线子阵列对应的数字波束成型和模拟波束成型，
Figure FDA0002767469380000025
表示发射端天线阵列的方向矩阵的第(l-1)nt+1到l×nt行所构成的子矩阵，其中nt表示每个发射天线子阵列的天线数目；第一步固定fl d，根据接收端模拟波束成型的解法求解发射端模拟波束成型矩阵的参数，第二步采用拉格朗日乘子法解凸优化问题得到发射端数字波束成型参数。
2.根据权利要求1所述的一种降低毫米波MIMO系统峰均比的方法，其特征在于，步骤2中所述的自编码器，包括发送端的编码器和接收端的解码器，均由复数全连接层、层归一化模块、Swish激活层构成；
复数全连接层的输出的实部和虚部分别表示为outreal＝srealwreal-simagwimag+breal和outimag＝srealwimag+simagwreal+bimag，其中上标real和imag分别表示实部和虚部，s表示输入信号，w和b分别表示复数全连接层的权重和偏置，sreal为输入信号的实部，wreal为复数全连接层的权重的实部，simag为输入信号的虚部，wimag复数全连接层的权重的虚部，breal为复数全连接层的偏置的实部，bimag为复数全连接层的偏置的虚部；
层归一化模块表示为
Figure FDA0002767469380000026
其中，B表示训练时的批量大小，μb和σb分别表示当前批次的第b个样本的网络层的所有神经元的均值和方差，inb,:,:和outb,:,:分别表示当前批次的第b个样本的输入信号向量和输出信号向量，其中下标中的b表示第b个元素，:表示该维度的所有元素，γb用于调整输出信号的分布的方差，βb用于调整输出信号的分布的均值，γb和βb都由网络学习得到；
Swish函数
Figure FDA0002767469380000027
表示为
Figure FDA0002767469380000028
其中
Figure FDA0002767469380000029
表示函数的自变量，exp(·)表示指数函数，Swish激活层对输入信号逐元素地应用Swish函数。
3.根据权利要求1所述的一种降低毫米波MIMO系统峰均比的方法，其特征在于，步骤3中在训练过程中，固定混合波束成型的参数和信道的参数，只学习编码器和解码器的参数；训练的损失函数由输入信号和输出信号的均方误差以及发射信号的平均峰均比两部分的加权平均组成，整体的损失函数表示为
Figure FDA00027674693800000210
其中，均方误差
Figure FDA00027674693800000211
平均峰均比
Figure FDA00027674693800000212
α为超参数，用于调整
Figure FDA00027674693800000213
和l2(z)的重要程度，s和
Figure FDA00027674693800000214
分别表示输入信号和接收信号，st,l和
Figure FDA00027674693800000215
分别表示s和
Figure FDA00027674693800000216
的第t行第l列的元素，z表示输入信号由编码器进行峰均比压缩预编码的输出，Mt表示发射天线子阵列数，z:,m表示z的第m列的所有元素，
Figure FDA0002767469380000031
表示矩阵的二范数的平方，
Figure FDA0002767469380000032
矩阵的无穷范数的平方；在训练过程收敛后得到自编码器参数，其中编码器部分作为对输入信号的峰均比压缩预编码，解码器用于根据模拟波束成型模块的输出恢复原始信号。
CN202010196047.5A 2020-03-19 2020-03-19 一种降低毫米波mimo系统峰均比的方法 Active CN111313945B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010196047.5A CN111313945B (zh) 2020-03-19 2020-03-19 一种降低毫米波mimo系统峰均比的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010196047.5A CN111313945B (zh) 2020-03-19 2020-03-19 一种降低毫米波mimo系统峰均比的方法

Publications (2)

Publication Number Publication Date
CN111313945A CN111313945A (zh) 2020-06-19
CN111313945B true CN111313945B (zh) 2021-02-09

Family

ID=71161202

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010196047.5A Active CN111313945B (zh) 2020-03-19 2020-03-19 一种降低毫米波mimo系统峰均比的方法

Country Status (1)

Country Link
CN (1) CN111313945B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112699408B (zh) * 2020-12-31 2024-06-21 重庆大学 一种基于自编码器的穿戴设备数据隐私保护方法
CN114866119B (zh) * 2022-04-15 2023-09-26 电子科技大学长三角研究院(湖州) 一种非完美信道状态信息条件下的混合波束成形方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3073572A1 (en) * 2015-03-25 2016-09-28 Intel IP Corporation Phased array weighting for power efficiency improvement with high peak-to-average power ratio signals
CN108809397A (zh) * 2018-06-27 2018-11-13 东南大学 多天线系统中高功效数模混合波束成形方法、装置及设备
CN109565483A (zh) * 2016-08-12 2019-04-02 高通股份有限公司 无线通信中的适应性波形选择
CN110535500A (zh) * 2019-09-03 2019-12-03 电子科技大学 一种基于深度学习的毫米波mimo混合波束成形优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102130294B1 (ko) * 2014-04-02 2020-07-08 삼성전자주식회사 무선 통신 시스템에서 단일 스트림 다중 빔 송수신 방법 및 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3073572A1 (en) * 2015-03-25 2016-09-28 Intel IP Corporation Phased array weighting for power efficiency improvement with high peak-to-average power ratio signals
CN109565483A (zh) * 2016-08-12 2019-04-02 高通股份有限公司 无线通信中的适应性波形选择
CN108809397A (zh) * 2018-06-27 2018-11-13 东南大学 多天线系统中高功效数模混合波束成形方法、装置及设备
CN110535500A (zh) * 2019-09-03 2019-12-03 电子科技大学 一种基于深度学习的毫米波mimo混合波束成形优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Energy Efficiency Maximization of Millimeter Wave Hybrid MIMO Systems with Low Resolution DACs";Aryan Kaushik, Evangelos Vlachos ,John Thompson;《ICC 2019 - 2019 IEEE International Conference on Communications (ICC)》;20190715;全文 *
"毫米波MIMO系统低峰均比序列与预编码研究";余光识;《中国优秀硕士学位论文全文数据库》;20170315;全文 *

Also Published As

Publication number Publication date
CN111313945A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
CN110557177A (zh) 毫米波大规模MIMO系统中基于DenseNet的混合预编码方法
CN106603130B (zh) 一种大规模mimo系统中数模混合预编码方法
CN106253956B (zh) 基于码本的模数混合预编码方法
CN109167622B (zh) 一种毫米波大规模mimo系统混合预编码方法
CN111181619A (zh) 基于深度强化学习的毫米波混合波束成形设计方法
CN110535500B (zh) 一种基于深度学习的毫米波mimo混合波束成形优化方法
CN107332596B (zh) 一种基于迫零的毫米波通信系统混合预编码方法
CN112737647A (zh) 一种基于混合连接的毫米波大规模mimo预编码方法
CN110011712B (zh) 一种面向毫米波大规模多输入多输出的混合预编码方法
CN111313945B (zh) 一种降低毫米波mimo系统峰均比的方法
CN112448742A (zh) 一种非均匀量化下基于卷积神经网络的混合预编码方法
CN115426013B (zh) 基于无监督学习的ris辅助通信系统预编码与相移方法
CN108832981A (zh) 混合波束成形传输方法和系统
CN112821925A (zh) 一种基于大规模mimo天线阵列的混合波束赋形算法
CN110365388A (zh) 一种低复杂度毫米波多播波束成形方法
CN110138427A (zh) 基于部分连接的大规模多输入多输出混合波束赋形算法
CN110233649B (zh) 一种基于毫米波mimo系统的动态子阵列设计方法
Osama et al. Deep learning based hybrid precoding technique for millimeter-wave massive MIMO systems
CN114244413B (zh) 一种分布式多卫星联合波束赋形方法
Li et al. Multi-task deep learning based hybrid precoding for mmWave massive MIMO system
CN113572503B (zh) 一种低复杂度的基于gp的改进混合波束成形方法
CN114978264B (zh) 基于太赫兹mimo系统的混合预编码方法
CN112636800B (zh) 基于毫米波大规模mimo多用户场景的混合预编码方法
CN116405077A (zh) 一种基于深度学习的大规模mimo混合波束赋形方法
CN113242069B (zh) 一种基于神经网络的码本设计方法

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