THz-MIMO系统中基于SRGAN信道估计方案技术方案

本发明专利技术公开了THz

【技术实现步骤摘要】
THz
‑
MIMO系统中基于SRGAN信道估计方案


[0001]本专利技术属于信道估计
，具体涉及THz
‑
MIMO系统中基于SRGAN信道估计方案。

技术介绍

[0002]随着大容量、高速率、低时延通信需求的爆发式增长，即使是新一代无线通信系统，仍然面临着巨大的挑战。太赫兹频段由于频点较高、频带资源丰富，能够提供从几十吉赫兹到几太赫兹的带宽，面向太赫兹频段的通信技术有望解决当前无线通信系统频谱稀缺和容量限制的问题，其相关研究受到了研究人员的广泛关注。其中，作为系统设计和性能分析的重要环节，太赫兹通信系统中的信道估计成为了研究的热点。
[0003]信道估计是从接收数据中将假定的某个信道模型的模型参数估计出来的过程。传统的基于导频的信道估计方法由于其收敛速度快、复杂度相对较低的优点，成为大多数无线通信系统信道估计的常用方法。然而，随着信道数据规模的增大，常用的基于最小二乘和线性最小均方误差的估计算法，其计算复杂度带来很大的应用局限性。与传统的信道估计方法相比，基于机器学习（ML）的信道估计算法把无线通信系统看作从发送端经过信道到接收端的映射，从提供的数据样本中学习训练，它更能揭示数据内部的固有特征，因此，在解决无线通信中的各种问题时可以获得更好的性能。比如，基于三维卷积神经网络结构、基于卷积神经网络和递归神经网络相结合的网络结构在MIMO系统中都取得了良好的效果。2019年，Mehran Soltani等人首次提出一种基于超分辨率深度学习的信道估计框架，将衰落信道的时频响应视为二维图像，并应用ChannelNet网络根据导频值求出整个信道状态信息(CSI)。这种将信道估计视为图像恢复过程的方法，为基于深度学习的信道估计开辟了新的研究路径，相关学者也对基于图像处理的无线信道估计进行了研究。
[0004]生成对抗网络模型作为一种基于无监督学习的复杂分布训练方法，在计算机视觉领域发挥了重要的作用，将该方法引入无线通信系统，推动人工智能无线通信技术已经成为新一代的研究热潮。由于信道矩阵和图像的相似性，近年来有部分研究工作利用生成对抗网络模型设计信道估计器。比如，将基于导频的信道矩阵视作低分辨率的图像，利用超分辨率生成对抗网络模型(SRGAN)来估计整个信道状态信息。虽然，生成对抗网络模型在准确度方面有着极大的优势，但准确度的提升是以网络参数量变得更高、计算量变得更大以及网络模型变得越来越臃肿为代价的。在实际场景中，多普勒频移的快速变化将导致神经网络在训练过程中学到的映射关系与实际的信道环境不一致。这意味着如果我们简单地训练一次生成对抗网络模型，然后将其用于连续数据传输，是无法适用的。这就对生成对抗网络模型的规模和收敛速度提出了极高的要求。更重要的是，太赫兹频段具有的严重多普勒效应和高路径损耗将给信道带来的极大不确定，导致信道状态信息的获取和跟踪非常困难。在大型天线阵太赫兹系统中，要获得准确的信道状态信息需要更多的导频符号来进行信道估计和补全，这对移动通信的效率有很大影响。因此，面向太赫兹频段的信道估计算法在追求较高精确度的同时，需要充分考虑网络的复杂度和导频开销的影响。

技术实现思路

[0005]本专利技术的目的在于提供THz
‑
MIMO系统中基于SRGAN信道估计方案，以解决上述
技术介绍
中提出的问题和达到的效果。
[0006]本专利技术目的是这样实现的：THz
‑
MIMO系统中基于SRGAN信道估计方案，其特征在于：该信道估计方案包括以下步骤：
[0007]步骤S1:发送端采用正交的导频设计，并按设计好的导频图案，在第个子载波对应的频率处沿着天线和时间维度发送信号矩阵，其中，表示发送端的波束赋形向量，表示发送的符号矩阵；
[0008]步骤S2: 发送信号矩阵经过无线信道到达接收端后，得到接收端的时频域导频图案，经过去除CP前缀处理和FFT变换得到接收信号；接收信号经过接收端的合并向量处理信号矩阵；
[0009]利用最小二乘算法初步估计得出基于导频信道状态信息；其中，为第个子载波上的空时域基于导频的预估计矩阵；
[0010]步骤S3:通过对抗网络模型SRGAN完成初步估计的信道矩阵的空时域补全，获得完整的空、时域信道状态信息；采用根据太赫兹信道模型产生的信道数据样本对对抗网络模型SRGAN进行离线训练；所述对抗网络模型SRGAN包括生成模型和判别模型，生成模型作为信道估计器使用；
[0011]步骤S4:经过训练的对抗网络模型SRGAN生成对抗网络模型的最佳网络权重；基于当前网络权重生成的信道与实时信道信息存在差距，在线上估计阶段，采用梯度下降法对基于导频的预估计信道进行迭代更新，最终得到最优的基于导频的预估计信道；
[0012]；
[0013]其中，为生成器生成的信道矩阵，为基于最小二乘和线性插值粗略估计的信道矩阵，此时生成器基于能够实时预测信道信息；
[0014]步骤S5:将相干带宽内连续的个子载波作为一个信道估计单元，不同单元之间互不重叠，并将一个信道估计单元输入训练后对抗网络模型SRGAN中进行信道估计；
[0015]步骤S6: 一个信道单元完成信道估计后，将缓存清零用于下一个信道单元的信道估计；最后将步骤S5得到的信道状态信息合并，从而得到完整的信道状态信息。
[0016]优选的，所述步骤S1中并按设计好的导频图案，在第个子载波对应的频率处沿着天线和时间维度发送信号矩阵具体操作如下：
[0017]步骤S1
‑
1:使用MIMO系统中S
‑
V模型建模，采用归一化线性阵列；收发端之间的时延域信道矩阵表示为：
[0018]；
[0019]其中，表示传播路径数，是第条路径（）的增益，表示第条路径的延迟；和分别表示发送端和接收端的天线增益；和分别表示第条路径的到达角和离开角，它们均服从零均值的拉普拉斯分布；和分别表示接收端和发射端的阵列导向矢量；
[0020]步骤S1
‑
2:将MIMO系统带宽设为，表示OFDM调制模块子载波总数，表示载波间隔；根据得到太赫兹MIMO系统中，第个子载波对应的频率处的频率域信道响应：
[0021]；
[0022]步骤S1
‑
3: 导频图样在时域和空域插入导频，在空域上，第一根天线发送导频时，其他天线上不进行传输；在时域上，导频以时间间隔发射长度相同的导频，两个导频发送时间点的间隔时间全部用于数据传输，实现空、时域上的正交。
[0023]优选的，所述步骤S2中利用最小二乘算法初步估计得出基于导频信道状态信息，具体操作如下：
[0024]步骤S2
‑
1：通过射频链路控制天线，使其间隔地接收导频，在接收端基带，第个子载波的接收信号表示为：
[0025]；
[0026]将上式化简为：
[0027]；
[0028]其中，为预编码矩阵的转置共轭矩阵：为噪声向量；
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.THz
‑
MIMO系统中基于SRGAN信道估计方案，其特征在于：该信道估计方案包括以下步骤：步骤S1:发送端采用正交的导频设计，并按设计好的导频图案，在第个子载波对应的频率处沿着天线和时间维度发送信号矩阵，其中，表示发送端的波束赋形向量，表示发送的符号矩阵；步骤S2: 发送信号矩阵经过无线信道到达接收端后，得到接收端的时频域导频图案，经过去除CP前缀处理和FFT变换得到接收信号；接收信号经过接收端的合并向量处理信号矩阵；利用最小二乘算法初步估计得出基于导频信道状态信息；其中，为第个子载波上的空时域基于导频的预估计矩阵；步骤S3:通过对抗网络模型SRGAN完成初步估计的信道矩阵的空时域补全，获得完整的空、时域信道状态信息；采用根据太赫兹信道模型产生的信道数据样本对对抗网络模型SRGAN进行离线训练；所述对抗网络模型SRGAN包括生成模型和判别模型，生成模型作为信道估计器使用；步骤S4:经过训练的对抗网络模型SRGAN生成对抗网络模型的最佳网络权重；基于当前网络权重生成的信道与实时信道信息存在差距，在线上估计阶段，采用梯度下降法对基于导频的预估计信道进行迭代更新，最终得到最优的基于导频的预估计信道；；其中，为生成器生成的信道矩阵，为基于最小二乘和线性插值粗略估计的信道矩阵，此时生成器基于能够实时预测信道信息；步骤S5:将相干带宽内连续的个子载波作为一个信道估计单元，不同单元之间互不重叠，并将一个信道估计单元输入训练后对抗网络模型SRGAN中进行信道估计；步骤S6: 一个信道单元完成信道估计后，将缓存清零用于下一个信道单元的信道估计；最后将步骤S5得到的信道状态信息合并，从而得到完整的信道状态信息。2.根据权利要求1所述的THz
‑
MIMO系统中基于SRGAN信道估计方案，其特征在于：所述步骤S1中并按设计好的导频图案，在第个子载波对应的频率处沿着天线和时间维度发送信号矩阵具体操作如下：步骤S1
‑
1:使用MIMO系统中S
‑
V模型建模，采用归一化线性阵列；收发端之间的时延域信道矩阵表示为：；其中，表示传播路径数，是第条路径（）的增益，表示第条路径的延迟；和分别表示发送端和接收端的天线增益；和分别表示第
条路径的到达角和离开角，它们均服从零均值的拉普拉斯分布；和分别表示接收端和发射端的阵列导向矢量；步骤S1
‑
2:将MIMO系统带宽设为，表示OFDM调制模块子载波总数，表示载波间隔；根据得到太赫兹MIMO系统中，第个子载波对应的频率处的频率域信道响应：；步骤S1
‑
3: 导频图样在时域和空域插入导频，在空域上，第一根天线发送导频时，其他天线上不进行传输；在时域上，导频以时间间隔发射长度相同的导频，两个导频发送时间点的间隔时间全部用于数据传输，实现空、时域上的正交。3.根据权利要求1所述的THz
‑
MIMO系统中基于SRGAN信道估计方案，其特征在于：所述步骤S2中利用最小二乘算法初步估计得出基于导频信道状态信息，具体操作如下：步骤S2
‑
1：通过射频链路控制天线，使其间隔地接收导频，在接收端基带，第个子载波的接收信号表示为：；将上式化简为：；其中，为预编码矩阵的转置共轭矩阵：为噪声向量；步骤S2
‑
2：经过预估计模块对接收导频信号进行信道估计，即分别左乘和右乘矩阵和并输出的初步估计值，；其中，，。4.根据权利要求1所述的THz
‑
MIMO系统中基于SRGAN信道估计方案，其特征在于：所述步骤S3中采用根据太赫兹信道模型产生的信道数据样本对网络进行离线训练，具体操作如下：步骤S3
‑
1：通过太赫兹超大规模信道仿真器构建太赫兹信道估计的训练数据集，取导频处粗略估计值和对应理想信道响应作为训练样本；步骤S3
‑

【专利技术属性】
技术研发人员：季薇，蒋奕采，李飞，李汀，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：