CN113541753A - 基于复数卷积网络的混合波束成形方法 - Google Patents

基于复数卷积网络的混合波束成形方法 Download PDF

Info

Publication number
CN113541753A
CN113541753A CN202110820231.7A CN202110820231A CN113541753A CN 113541753 A CN113541753 A CN 113541753A CN 202110820231 A CN202110820231 A CN 202110820231A CN 113541753 A CN113541753 A CN 113541753A
Authority
CN
China
Prior art keywords
layer
height
width
complex
length
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
Application number
CN202110820231.7A
Other languages
English (en)
Other versions
CN113541753B (zh
Inventor
罗杨
刘子健
骆春波
许燕
杨秉鸿
张富鑫
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202110820231.7A priority Critical patent/CN113541753B/zh
Publication of CN113541753A publication Critical patent/CN113541753A/zh
Application granted granted Critical
Publication of CN113541753B publication Critical patent/CN113541753B/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
    • H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • 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
    • H04B7/0619—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 using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
    • 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
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
    • H04B7/0842—Weighted combining
    • H04B7/0848—Joint weighting
    • H04B7/0854—Joint weighting using error minimizing algorithms, e.g. minimum mean squared error [MMSE], "cross-correlation" or matrix inversion
    • 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
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
    • H04B7/0842—Weighted combining
    • H04B7/086—Weighted combining using weights depending on external parameters, e.g. direction of arrival [DOA], predetermined weights or beamforming

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明公开了一种基于复数卷积网络的毫米波波束成形方法，所述毫米波波束成形方法包括：S1：获取发射天线和接收天线间的信道状态信息；S2：根据所述信道状态信息，得到信道矩阵；S3：根据所述信道矩阵，利用复数卷积网络，得到基带预编码矩阵和射频预编码矩阵；S4：将所述基带预编码矩阵和所述射频预编码矩阵输入混合波束成型系统中，生成毫米波波束。本发明所提供的基于复数卷积网络的毫米波波束成形方法，能够解决一般深度学习方法无法有效利用通信信号处理中的复数相位信息的问题。

Description

基于复数卷积网络的混合波束成形方法
技术领域
本发明涉及毫米波波束成形技术领域，具体涉及一种基于复数卷积网络的混合波束成形方法。
背景技术
毫米波波束成形主要采用数字和模拟混合结构，以较低的硬件成本实现高效的接收和发射波束对准，是5G及未来通信系统中的核心技术。以发射波束成形为例，毫米波混合波束成形的本质任务是通过设计合理的算法，寻找最优全数字预编码矩阵的近似分解，即将全数字预编码矩阵在一定的限制条件下近似分解为数字预编码矩阵和模拟预编码矩阵。传统的方法是通过压缩感知或者流形优化等优化方法进行求解，但往往性能(频谱效率)好的算法运算速度较慢，而运算速度快的算法性能较差。基于深度学习的方法近年来成为了波束成形领域的研究热点，由于训练好的神经网络运算速度快，使其成为最有可能突破上述瓶颈的方法。
全数字预编码矩阵、数字和模拟混合预编码矩阵都是复数矩阵，使用深度学习的方法不可避免会遇到处理复数的情况。现有的方法，要么是将复数拆分为实部和虚部并分为两个网络进行处理，要么是将实部和虚部拆分后叠加为双通道进行处理，没有完全利用到复数的相位信息。
发明内容
本发明的目的在于提供一种基于复数卷积网络的混合波束成形方法，以解决一般深度学习方法无法有效利用通信信号处理中的复数相位信息的问题。
本发明提供一种基于复数卷积网络的毫米波波束成形方法，所述毫米波波束成形方法包括：
S1：获取发射天线和接收天线间的信道状态信息；
S2：根据所述信道状态信息，得到信道矩阵；
S3：根据所述信道矩阵，利用复数卷积网络，得到基带预编码矩阵和射频预编码矩阵；
S4：将所述基带预编码矩阵和所述射频预编码矩阵输入混合波束成型系统中，生成毫米波波束。
可选择地，所述步骤S4中，所述混合波束成型系统包括多根发射天线、多种发射链路、多路数据码流和接收天线且所述步骤S4包括以下分步骤：
S41：将所述多路数据码流变换到发射链路上，得到多种发射链路；
S42：将所述多种发射链路变换至多根发射天线上，生成发射信号；
S43：发射所述发射信号至所述接收天线，和/或接收所述发射信号以生成接收信号。
可选择地，所述步骤S43中，所述发射信号为：
X＝FRFFBBS
其中，X表示发射信号向量，S是Ns×1维数据码流向量，Ns为数据码流数量，FBB表示基带预编码矩阵，FRF表示射频预编码矩阵。
可选择地，所述步骤S44中，所述接收信号为：
Figure BDA0003171668130000021
其中，Y表示接收信号向量，H是Nr×Nt的信道矩阵且
Figure BDA0003171668130000022
ρ表示平均接收功率，n是服从独立分布的
Figure BDA0003171668130000023
噪音向量，FRFFBBS为发射信号，且S是Ns×1维数据码流向量，Ns为数据码流数量，FBB表示基带预编码矩阵，FRF表示射频预编码矩阵，Nt为发射天线数量；Nr为接收天线数量。
可选择地，所述步骤S3中，所述复数卷积网络包括依次连接的输入层、第一卷积层、第二卷积层、第三卷积层、第四卷积层、全连接层和输出层。
可选择地，所述输入层的长为2NtNr，其宽为1，其高为1；
所述第一卷积层的长为2Nt，宽为1，高为46；
所述第三卷积层的长为
Figure BDA0003171668130000031
宽为1，高为128；
所述全连接层的长为
Figure BDA0003171668130000032
宽为1，高为1；
所述输出层的长为
Figure BDA0003171668130000033
宽为1，高为1；
其中，Nt为发射天线数量；Nr为接收天线数量；
Figure BDA0003171668130000034
为发射链路数量；Ns为数据码流数量。
可选择地，所述第二卷积层的长宽高与所述第一卷积层的长宽高相等，和/或
所述第四卷积层的长宽高与所述第三卷积层的长宽高相等。
可选择地，所述输入层的长宽高通过以下方式得到：
A1：分别向量化所述信道矩阵的实部和虚部，得到实部向量和虚部向量；
A2：首尾相接所述实部向量和所述虚部向量，生成所述输入层的新的向量；
A3：将所述新的向量作为所述输入层的长宽高输出。
本发明具有以下有益效果：
与现有技术相比，本发明的有益效果是：一方面，可以使用单个神经网络处理复数数据，输入是复数，输出也是复数。相较于单独处理实部和虚部的两个网络，本发明采用参数共享策略保证网络的参数没有明显增加。另一方面，首次提出了复数卷积网络结构，在卷积网络的结构基础上，按照复数运算规则实现了参数的前向传递。相比复数全连接网络，系统的性能进一步提升。
附图说明
图1为本发明所提供的基于复数卷积网络的毫米波波束成形方法的流程图；
图2为图1中步骤S4的分步骤流程图；
图3为本发明实施例所提供的基于复数卷积网络的毫米波波束成形方法的复数卷积网络的结构图；
图4为本发明实施例所提供的基于复数卷积网络的毫米波波束成形方法的复数卷积网络的输入层的长宽高的获得方法流程图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
实施例
本发明解决上述技术问题的技术方案如下：
本发明提供基于复数卷积网络的毫米波波束成形方法，所述毫米波波束成形方法包括：
S1：获取发射天线和接收天线间的信道状态信息；
S2：根据所述信道状态信息，得到信道矩阵；
S3：根据所述信道矩阵，利用复数卷积网络，得到基带预编码矩阵和射频预编码矩阵；
S4：将所述基带预编码矩阵和所述射频预编码矩阵输入混合波束成型系统中，生成毫米波波束。
本发明具有以下有益效果：
与现有技术相比，本发明的有益效果是：一方面，可以使用单个神经网络处理复数数据，输入是复数，输出也是复数。相较于单独处理实部和虚部的两个网络，本发明采用参数共享策略保证网络的参数没有明显增加。另一方面，首次提出了复数卷积网络结构，在卷积网络的结构基础上，按照复数运算规则实现了参数的前向传递。相比复数全连接网络，系统的性能进一步提升。
可选择地，所述步骤S4中，所述混合波束成型系统包括多根发射天线、多种发射链路、多路数据码流和接收天线且所述步骤S4包括以下分步骤：
S41：将所述多路数据码流变换到发射链路上，得到多种发射链路；
S42：将所述多种发射链路变换至多根发射天线上，生成发射信号；
S43：发射所述发射信号至所述接收天线，和/或接收所述发射信号以生成接收信号。
具体地，发射端有Nt根天线发射Ns个数据码流，接收端有Nr根接收天线。发射端有
Figure BDA0003171668130000051
个发射链路，且
Figure BDA0003171668130000052
对于数字和模拟预编码的硬件结构，发射端首先有一个
Figure BDA0003171668130000053
维的基带(数字)预编码矩阵FBB，将Ns路数据码流变换到
Figure BDA0003171668130000054
个射频链路上，然后由一个
Figure BDA0003171668130000055
维的射频预编码矩阵FRF,将不同射频链路变换到相应的天线上，即数字预编码矩阵决定了传输码流的数量，射频预编码矩阵决定了射频链路与天线的连接方式。一个射频链路通过Nt个移相器和Nt个加法器连接到Nt根天线，则
Figure BDA0003171668130000056
个射频链路需要
Figure BDA0003171668130000057
个移相器，即预编码矩阵FRF的每一个元素均代表一个移相器的参数。
可选择地，所述步骤S43中，所述发射信号为：
X＝FRFFBBS
其中，X表示发射信号向量，S是Ns×1维数据码流向量，Ns为数据码流数量，FBB表示基带预编码矩阵，FRF表示射频预编码矩阵。
可选择地，所述步骤S44中，所述接收信号为：
Figure BDA0003171668130000058
其中，Y表示接收信号向量，H是Nr×Nt的信道矩阵且
Figure BDA0003171668130000059
ρ表示平均接收功率，n是服从独立分布的
Figure BDA00031716681300000510
噪音向量，FRFFBBS为发射信号，且S是Ns×1维数据码流向量，Ns为数据码流数量，FBB表示基带预编码矩阵，FRF表示射频预编码矩阵，Nt为发射天线数量；Nr为接收天线数量。
可选择地，所述步骤S3中，所述复数卷积网络包括依次连接的输入层、第一卷积层、第二卷积层、第三卷积层、第四卷积层、全连接层和输出层。
可选择地，所述输入层的长为2NtNr，其宽为1，其高为1；
具体地，H是一个Nt×Nr维的复数矩阵，每一个元素对应的是从某一根发射天线到某一根接收天线之间的信道状态因子，在毫米波massive MIMO场景下，H中的相邻元素可能会存在相关性，因此我们考虑使用卷积网络来代替传统的预编码方法。如3图所示的卷积网络，由1个输入层、1个输出层，4个卷积层，1个全连接层构成。为了便于对比，我们设计卷积层为4层。每一层的节点数表示为长×宽×高，即节点数为
Figure BDA0003171668130000061
其中
Figure BDA0003171668130000062
表示第l层的实部或虚部的节点的长度，因此总长度是
Figure BDA0003171668130000063
是第l层的节点宽度；
Figure BDA0003171668130000064
是第l层的节点高度，l＝0,1,2…,6。相应的卷积核也表示为长×宽×高，为了便于理解，我们将卷积核的不同通道在图中画出，一个完整的卷积核包括若干个单通道卷积核，卷积核的通道数决定了下一层卷积层的高。使用四个类型卷积核分别表示为
Figure BDA0003171668130000065
其中
Figure BDA0003171668130000066
表示第l层卷积层的第q个通道。与全连接层的参数共享类似，我们考虑将卷积核的参数进行共享，即对于l＝1,2,3,4，有
Figure BDA0003171668130000067
Figure BDA0003171668130000068
所述第一卷积层的长为2Nt，宽为1，高为46；
(1)输入层(Input layer)到第一层卷积层(Conv.1layer):
具体地，神经网络的输入层将H的实部和虚部分别向量化以后再首尾相接，形成一个有2NtNr个元素的一维向量，输入层的长宽高为2NtNr×1×1，即
Figure BDA0003171668130000071
输入层与第一层卷积层的连接方式如图1右边框图所示，单通道卷积核大小为Nr×1×1，卷积通道数取决于下一层的高度
Figure BDA0003171668130000072
即q＝1,…,64。设步长stride＝Nr,即对于第一层卷积层，每个类型卷积核需要平移使用
Figure BDA0003171668130000073
次，设p＝1,2,…,Nt。
第p次卷积时，将
Figure BDA0003171668130000074
与第一层的实数部分[(p-1)stride+1,(p-1)stride+Nr]个节点的值点乘并求和，再将
Figure BDA0003171668130000075
与第一层虚数部分[(p-1)stride+1,(p-1)stride+Nr]个节点的值点乘并求和，两个结果相减得到第一层卷积层(p,1,1)位置的值。以此类推，对于q＝1,…,64，使用
Figure BDA0003171668130000076
和
Figure BDA0003171668130000077
得到第一层卷积层(p,1,q)节点的值
Figure BDA0003171668130000078
如下式所示：
Figure BDA0003171668130000079
将
Figure BDA00031716681300000710
与第一层的实数部分[(p-1)stride+1,(p-1)stride+Nr]个节点进行点乘并求和，再将
Figure BDA00031716681300000711
与第一层的虚数部分[(p-1)stride+1,(p-1)stride+Nr]个节点进行点乘并求和，两个结果相加得到第一层卷积层的(Nt+p,1,1)位置的值。以此类推，对于q＝1,…,64，使用
Figure BDA00031716681300000712
和
Figure BDA00031716681300000713
得到第一层卷积层
Figure BDA00031716681300000714
节点的值
Figure BDA00031716681300000715
Figure BDA00031716681300000716
Figure BDA0003171668130000081
最后得到的第一层卷积层的节点大小是2Nt×1×64，即
Figure BDA0003171668130000082
Figure BDA0003171668130000083
所述第二卷积层的长宽高与所述第一卷积层的长宽高相等。
(2)第一层卷积层(Conv.1layer)到第二层卷积层(Conv.2layer):
具体地，与(1)不同的是，由于第一层卷积层的高度不是1，因此使用的卷积核有所不同，即
Figure BDA0003171668130000084
中第q个通道卷积核的高度由输入的第一层卷积层高度决定，设单通道卷积核大小为3×1×64。卷积通道数为
Figure BDA0003171668130000085
则q＝1,…,64，设步长stride＝1,则p＝1,…,Nt。
第p次卷积时，将
Figure BDA0003171668130000086
与第一层卷积层的实数部分[(p-1)stride+1,(p-1)stride+3]×1×64个节点的值点乘并求和，再将
Figure BDA0003171668130000087
与第一层卷积层虚数部分[(p-1)stride+1,(p-1)stride+3]×1×64个节点的值点乘并求和，两个结果相减得到第二层卷积层(p,1,1)位置的值。以此类推，对于q＝1,…,64，使用
Figure BDA0003171668130000088
和
Figure BDA0003171668130000089
得到第二层卷积层(p,1,q)节点的值。不失一般性，有如下公式：
Figure BDA00031716681300000810
在此步骤中，l＝2。
公式(3)
将
Figure BDA00031716681300000811
与第一层卷积层的实数部分[(p-1)stride+1,(p-1)stride+3]×1×64个节点进行点乘并求和，再将
Figure BDA00031716681300000812
与第一层卷积层的虚数部分[(p-1)stride+1,(p-1)stride+Nr]×1×64个节点进行点乘并求和，两个结果相加得到第二层卷积层的
Figure BDA0003171668130000091
位置的值。以此类推，对于q＝1,…,64，使用
Figure BDA0003171668130000092
和
Figure BDA0003171668130000093
得到第二层卷积层
Figure BDA0003171668130000094
节点的值。不失一般性，有如下公式：
Figure BDA0003171668130000095
在此步骤中，l＝2。最后得到的第二层卷积层的节点大小是是2Nt×1×64，即
Figure BDA0003171668130000096
所述第三卷积层的长为
Figure BDA0003171668130000097
宽为1，高为128；
(3)第二层卷积层(Conv.2layer)到第三层卷积层(Conv.3layer):
连接方式如图1左边框图所示，设单通道卷积核的大小为3×1×64，卷积通道数为
Figure BDA0003171668130000098
则q＝1,…,128，步长stride＝Nr/4，每个类型卷积核需要平移使用Nt/(Nr/4)＝4Nt/Nr次，设p＝1,2,…,4Nt/Nr。
第p次卷积时，使用公式(3)将
Figure BDA0003171668130000099
与第二层卷积层的实数部分[(p-1)stride+1,(p-1)stride+3]×1×64个节点的值点乘并求和，再将
Figure BDA00031716681300000910
与第二层卷积层虚数部分[(p-1)stride+1,(p-1)stride+3]×1×64个节点的值点乘并求和，两个结果相减得到第三层卷积层(p,1,1)位置的值。以此类推，对于q＝1,…,128，使用
Figure BDA00031716681300000911
和
Figure BDA00031716681300000912
得到第三层卷积层(p,1,q)节点的值。
使用公式(4)将
Figure BDA00031716681300000913
与第二层卷积层的实数部分[(p-1)stride+1,(p-1)stride+3]×1×64个节点进行点乘并求和，再将
Figure BDA00031716681300000914
与第二层卷积层的虚数部分[(p-1)stride+1,(p-1)stride+Nr]×1×64个节点进行点乘并求和，两个结果相加得到第三层卷积层的
Figure BDA0003171668130000101
位置的值。以此类推，对于q＝1,…,128，使用
Figure BDA0003171668130000102
和
Figure BDA0003171668130000103
得到第三层卷积层
Figure BDA0003171668130000104
节点的值。
最后得到的第三层卷积层的节点大小是8Nt/Nr×1×128，即
Figure BDA0003171668130000105
Figure BDA0003171668130000106
所述第四卷积层的长宽高与所述第三卷积层的长宽高相等。
(4)第三层卷积层(Conv.3layer)到第四层卷积层(Conv.4layer)：
卷积的方式同上一步，其中单通道卷积核大小为3×1×128。设卷积通道数为
Figure BDA0003171668130000107
q＝1,…,128，设步长stride＝1,则p＝1,…,4Nt/Nr。使用公式(3)(4)最后得到的第四层卷积层的节点大小是8Nt/Nr×1×128，即
Figure BDA0003171668130000108
所述全连接层的长为
Figure BDA0003171668130000109
宽为1，高为1；
(5)第四层卷积层(Conv.4layer)到全连接层(Linear 1layer):
将第四层卷积层的所有节点按照高-宽-长的方式展开并整理为一个
Figure BDA00031716681300001010
维度的矩阵，即
Figure BDA00031716681300001011
所述输出层的长为
Figure BDA00031716681300001012
宽为1，高为1；
(6)全连接层(linear 1layer)到输出层(output layer)：
参考复数全连接网络的连接方式[1]。由于FRF和FBB分别有NtNr和
Figure BDA00031716681300001013
个非零元素，因此输出层的大小固定为
Figure BDA00031716681300001014
Figure BDA00031716681300001015
其中，Nt为发射天线数量；Nr为接收天线数量；
Figure BDA00031716681300001016
为发射链路数量；Ns为所述发射天线发射的数据码流。
表1复数卷积网络各层参数值汇总
Figure BDA0003171668130000111
可选择地，参考图4所示，所述输入层的长宽高通过以下方式得到：
A1：分别向量化所述信道矩阵的实部和虚部，得到实部向量和虚部向量；
A2：首尾相接所述实部向量和所述虚部向量，生成所述输入层的新的向量；这里，生成的所述输入层的新的向量是在输入层中进行操作得到的。
A3：将所述新的向量作为所述输入层的长宽高输出。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于复数卷积网络的毫米波波束成形方法，其特征在于，所述毫米波波束成形方法包括：
S1：获取发射天线和接收天线间的信道状态信息；
S2：根据所述信道状态信息，得到信道矩阵；
S3：根据所述信道矩阵，利用复数卷积网络，得到基带预编码矩阵和射频预编码矩阵；
S4：将所述基带预编码矩阵和所述射频预编码矩阵输入混合波束成型系统中，生成毫米波波束。
2.根据权利要求1所述的基于复数卷积网络的毫米波波束成形方法，其特征在于，所述步骤S4中，所述混合波束成型系统包括多根发射天线、多种发射链路、多路数据码流和接收天线且所述步骤S4包括以下分步骤：
S41：将所述多路数据码流变换到发射链路上，得到多种发射链路；
S42：将所述多种发射链路变换至多根发射天线上，生成发射信号；
S43：发射所述发射信号至所述接收天线，和/或接收所述发射信号以生成接收信号。
3.根据权利要求2所述的基于复数卷积网络的毫米波波束成形方法，其特征在于，所述步骤S43中，所述发射信号为：
X＝FRFFBBS
其中，X表示发射信号向量，S是Ns×1维数据码流向量，Ns为数据码流数量，FBB表示基带预编码矩阵，FRF表示射频预编码矩阵。
4.根据权利要求2所述的基于复数卷积网络的毫米波波束成形方法，其特征在于，所述步骤S44中，所述接收信号为：
Figure FDA0003171668120000011
其中，Y表示接收信号向量，H是Nr×Nt的信道矩阵且
Figure FDA0003171668120000012
ρ表示平均接收功率，n是服从独立分布的
Figure FDA0003171668120000021
噪音向量，FRFFBBS为发射信号，且S是Ns×1维数据码流向量，Ns为数据码流数量，FBB表示基带预编码矩阵，FRF表示射频预编码矩阵，Nt为发射天线数量；Nr为接收天线数量。
5.根据权利要求2-4中任意一项所述的基于复数卷积网络的毫米波波束成形方法，其特征在于，所述步骤S3中，所述复数卷积网络包括依次连接的输入层、第一卷积层、第二卷积层、第三卷积层、第四卷积层、全连接层和输出层。
6.根据权利要求5所述的基于复数卷积网络的毫米波波束成形方法，其特征在于，所述输入层的长为2NtNr，其宽为1，其高为1；
所述第一卷积层的长为2Nt，宽为1，高为46；
所述第三卷积层的长为
Figure FDA0003171668120000022
宽为1，高为128；
所述全连接层的长为
Figure FDA0003171668120000023
宽为1，高为1；
所述输出层的长为
Figure FDA0003171668120000024
宽为1，高为1；
其中，Nt为发射天线数量；Nr为接收天线数量；
Figure FDA0003171668120000025
为发射链路数量；Ns为数据码流数量。
7.根据权利要求6所述的基于复数卷积网络的毫米波波束成形方法，其特征在于，所述第二卷积层的长宽高与所述第一卷积层的长宽高相等，和/或
所述第四卷积层的长宽高与所述第三卷积层的长宽高相等。
8.根据权利要求6所述的基于复数卷积网络的毫米波波束成形方法，其特征在于，所述输入层的长宽高通过以下方式得到：
A1：分别向量化所述信道矩阵的实部和虚部，得到实部向量和虚部向量；
A2：首尾相接所述实部向量和所述虚部向量，生成所述输入层的新的向量；
A3：将所述新的向量作为所述输入层的长宽高输出。
CN202110820231.7A 2021-07-20 2021-07-20 基于复数卷积网络的混合波束成形方法 Active CN113541753B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110820231.7A CN113541753B (zh) 2021-07-20 2021-07-20 基于复数卷积网络的混合波束成形方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110820231.7A CN113541753B (zh) 2021-07-20 2021-07-20 基于复数卷积网络的混合波束成形方法

Publications (2)

Publication Number Publication Date
CN113541753A true CN113541753A (zh) 2021-10-22
CN113541753B CN113541753B (zh) 2022-04-26

Family

ID=78129026

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110820231.7A Active CN113541753B (zh) 2021-07-20 2021-07-20 基于复数卷积网络的混合波束成形方法

Country Status (1)

Country Link
CN (1) CN113541753B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114866119A (zh) * 2022-04-15 2022-08-05 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 (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110995327A (zh) * 2019-12-17 2020-04-10 电子科技大学 一种多载波mimo系统的混合波束成形优化方法及系统
US20200151541A1 (en) * 2018-11-08 2020-05-14 Arm Limited Efficient Convolutional Neural Networks
CN111277312A (zh) * 2020-02-26 2020-06-12 电子科技大学 基于深度复数网络的固定子阵空基毫米波波束成形方法
CN111327381A (zh) * 2020-02-04 2020-06-23 清华大学 基于深度学习的无线通信物理层收发端的联合优化方法
US20200295863A1 (en) * 2019-03-13 2020-09-17 Mitsubishi Electric Research Laboratories, Inc. Symbol Detection is Shared Wireless Channel Subject to Jamming Interference
CN112398513A (zh) * 2020-11-09 2021-02-23 杭州电子科技大学 一种massive MIMO系统的波束赋形方法
CN112995892A (zh) * 2021-02-08 2021-06-18 东南大学 基于复数神经网络的大规模mimo指纹定位方法
CN113129918A (zh) * 2021-04-15 2021-07-16 浙江大学 联合波束形成和深度复数U-Net网络的语音去混响方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200151541A1 (en) * 2018-11-08 2020-05-14 Arm Limited Efficient Convolutional Neural Networks
US20200295863A1 (en) * 2019-03-13 2020-09-17 Mitsubishi Electric Research Laboratories, Inc. Symbol Detection is Shared Wireless Channel Subject to Jamming Interference
CN110995327A (zh) * 2019-12-17 2020-04-10 电子科技大学 一种多载波mimo系统的混合波束成形优化方法及系统
CN111327381A (zh) * 2020-02-04 2020-06-23 清华大学 基于深度学习的无线通信物理层收发端的联合优化方法
CN111277312A (zh) * 2020-02-26 2020-06-12 电子科技大学 基于深度复数网络的固定子阵空基毫米波波束成形方法
CN112398513A (zh) * 2020-11-09 2021-02-23 杭州电子科技大学 一种massive MIMO系统的波束赋形方法
CN112995892A (zh) * 2021-02-08 2021-06-18 东南大学 基于复数神经网络的大规模mimo指纹定位方法
CN113129918A (zh) * 2021-04-15 2021-07-16 浙江大学 联合波束形成和深度复数U-Net网络的语音去混响方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
XIAOFENG LI 等: "Deep Learning for Direct Hybrid Precoding in Millimeter Wave Massive MIMO Systems", 《2019 53RD ASILOMAR CONFERENCE ON SIGNALS, SYSTEMS, AND COMPUTERS》 *
XIAOLONG BAO 等: "Deep CNN and Equivalent Channel Based Hybrid Precoding for mmWave Massive MIMO Systems", 《IEEE ACCESS》 *
马新迎等: "空间信息网络中毫米波MIMO通信系统关键技术", 《通信学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114866119A (zh) * 2022-04-15 2022-08-05 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
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

Also Published As

Publication number Publication date
CN113541753B (zh) 2022-04-26

Similar Documents

Publication Publication Date Title
CN112737647B (zh) 一种基于混合连接的毫米波大规模mimo预编码方法
CN107046434B (zh) 大规模mimo系统模数混合预编码方法
CN112039565B (zh) 基于分布式部分连接的大规模mimo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
CN113163497B (zh) 一种基于可重构智能面的毫米波移动边缘计算系统中计算效率优化方法
CN109714091B (zh) 一种在毫米波mimo系统中基于分层设计的迭代混合预编码方法
CN112671438B (zh) 大规模mimo中基于虚拟子阵列的模拟预编码系统及方法
CN111953393B (zh) 大规模mimo混合预编码器及匹配方法
CN110365388B (zh) 一种低复杂度毫米波多播波束成形方法
CN110138425B (zh) 低复杂度阵列天线多输入多输出系统混合预编码算法
CN111726156A (zh) 一种基于noma的资源分配方法与装置
CN110212962B (zh) 一种基于模拟移相—开关级联网络的混合预编码方法
CN111988073A (zh) 面向宽带毫米波通信系统半动态子阵混合结构的设计方法
CN113541753B (zh) 基于复数卷积网络的混合波束成形方法
CN110233649B (zh) 一种基于毫米波mimo系统的动态子阵列设计方法
CN113852402B (zh) 一种irs辅助的noma-mimo大容量接入方法
CN113193893B (zh) 毫米波大规模mimo智能混合波束成形设计方法
CN114900398A (zh) 非理想csi的irs辅助云接入网下行的波束成形方法
CN113395703B (zh) 一种基于mimo技术的高频段异构网络共存传输方法
CN113472409B (zh) 毫米波大规模mimo系统中基于past算法的混合预编码方法
CN112398513A (zh) 一种massive MIMO系统的波束赋形方法
CN111740766A (zh) 一种基于码本的波束设计方法与装置
CN114665929B (zh) 基于动态连接结构的混合预编码方法及mimo系统
CN114039638B (zh) 一种混合波束成形器与模数转换器联合设计方法
CN115426013A (zh) 基于无监督学习的ris辅助通信系统预编码与相移方法

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