发射天线选择方法技术

本公开提供一种发射天线选择方法，包括：根据用户设备发送的信号进行信道估计，得到

【技术实现步骤摘要】
发射天线选择方法、装置、计算机设备及可读介质


[0001]本公开涉及通信
，具体涉及一种发射天线选择方法
、
装置
、
计算机设备及可读介质
。

技术介绍

[0002]MIMO(Multiple Input Multiple Output
，多进多出
)
系统中，通过在信号发送端进行天线选择可以降低射频复杂度
。
基于已知的
CSI(Channel State Information
，信道状态信息
)
选择最佳发射天线可以最大化接收机的信噪比，最终可以有效避免窃听
。
因此，最佳
TAS(Transmit Antenna Selection
，发射天线选择
)
也是物理层安全中最重要的
MIMO
技术之一
。
在物理层安全中，
TAS
的主要优势在于它可以增强仅知部分
CSI
的通信保密性
。
[0003]目前最佳发射天线选择方案的研究大多基于准静态衰落信道模型，信道元素值变化较平稳，属于理想化的信道模型
。
而在毫米波通信中，其信道特征与传统的微波频段瑞利信道有所不同
。
毫米波信道是典型的视距传播信道，散射和非视距传播路径十分有限，通常只有有限的几个散射簇，这导致了毫米波信道的稀疏性
。
目前，基于毫米波信道的安全传输研究仍处于起步阶段，而准静态衰落模型并不适用于表征毫米波信道
。
[0004]在毫米波通信系统物理层数据传输过程中，由于信道天然时变且信道估计方法次优，获取的信道状态信息存在误差，且传输处理存在时延，导致用于
TAS
选择的信道状态非最优
。

技术实现思路

[0005]本公开提供一种发射天线选择方法
、
装置
、
计算机设备和可读介质
。
[0006]第一方面，本公开实施例提供一种发射天线选择方法，所述方法用于选择毫米波多进多出
MIMO
系统的最佳发射天线，所述方法包括：
[0007]根据用户设备发送的信号进行信道估计，得到
t
时刻的信道状态信息；
[0008]利用信道自相关函数，根据所述
t
时刻的信道状态信息进行信道预测，计算得到
(t+
τ
d
)
时刻的信道状态信息，
τ
d
为所述信号的传输时延；
[0009]根据所述
(t+
τ
d
)
时刻的信道状态信息
、
原始窃听信道矩阵和分类模型，确定所述毫米波
MIMO
系统在下一发射时隙的最佳发射天线；其中，所述分类模型包括所述毫米波
MIMO
系统的至少两个天线类别，且所述分类模型采用
SVM
算法训练得到
。
[0010]在一些实施例中，所述分类模型采用
SVM
‑
SGD
算法训练得到，训练所述分类模型的步骤包括：
[0011]针对各所述天线类别构建各所述天线类别的学习参数；
[0012]根据所有天线类别的学习参数
w
l
构建所述分类模型；
[0013]采用
SVM
‑
SGD
算法更新各所述类别对应的学习参数
。
[0014]在一些实施例中，每个所述天线类别的学习参数，通过以下方式构建：
[0015]提取信道特征向量
d
并对所述信道特征向量
d
进行归一化处理，得到归一化特征向
量
n
；
[0016]至少根据关于所述归一化特征向量
n
的高斯核函数
f(n)
和天线选择矢量，构建学习参数
w
l
的目标函数；其中，所述毫米波
MIMO
系统在下一发射时隙的最佳发射天线为与选择参数的最大值关联的发射天线，所述选择参数为所述高斯核函数
f(n)
的值与各所述天线类别的学习参数的转置矩阵的乘积
。
[0017]在一些实施例中，所述根据所述
(t+
τ
d
)
时刻的信道状态信息
、
原始窃听信道矩阵
G
和分类模型，确定所述毫米波
MIMO
系统在下一发射时隙的最佳发射天线，包括：
[0018]利用所述分类模型，根据所述
(t+
τ
d
)
时刻的信道状态信息和原始窃听信道矩阵计算保密性能指标参数；
[0019]根据所述保密性能指标参数的最大值确定所述毫米波
MIMO
系统在下一发射时隙的最佳发射天线
。
[0020]在一些实施例中，所述保密性能指标参数为信道遍历保密容量，所述利用所述分类模型，根据所述
(t+
τ
d
)
时刻的信道状态信息和原始窃听信道矩阵计算保密性能指标参数
,
包括：
[0021]至少将所述
(t+
τ
d
)
时刻的信道状态信息输入所述分类模型，计算得到所述用户设备的第一信噪比；
[0022]至少将所述原始窃听信道矩阵输入所述分类模型，计算得到窃听者的第二信噪比；
[0023]根据所述第一信噪比和所述第二信噪比计算所述信道遍历保密容量
。
[0024]在一些实施例中，所述利用信道自相关函数，根据所述
t
时刻的信道状态信息进行信道预测，计算得到
(t+
τ
d
)
时刻的信道状态信息
,
包括：
[0025]根据零阶一类贝塞尔函数
、
多普勒扩展和所述信号的传输时延，计算信道相关系数；
[0026]利用信道自相关函数，根据所述信道相关系数
、
所述
t
时刻的信道状态信息和随机干扰矩阵，计算
(t+
τ
d
)
时刻的信道状态信息
。
[0027]在一些实施例中，在根据所述
(t+
τ
d
)
时刻的信道状态信息
、
原始窃听信道矩阵和分类模型，确定所述毫米波
MIMO
系统在下一发射时隙的最佳发射天线之后，所述方法还包括：
[0028]计算天线选择正确率，所述天线选择正确率为所述最佳发射天线的数量与所述天线类别数量的比值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种发射天线选择方法，其特征在于，所述方法用于选择毫米波多进多出
MIMO
系统的最佳发射天线，所述方法包括：根据用户设备发送的信号进行信道估计，得到
t
时刻的信道状态信息；利用信道自相关函数，根据所述
t
时刻的信道状态信息进行信道预测，计算得到
(t+
τ
d
)
时刻的信道状态信息，
τ
d
为所述信号的传输时延；根据所述
(t+
τ
d
)
时刻的信道状态信息
、
原始窃听信道矩阵和分类模型，确定所述毫米波
MIMO
系统在下一发射时隙的最佳发射天线；其中，所述分类模型包括所述毫米波
MIMO
系统的至少两个天线类别，且所述分类模型采用
SVM
算法训练得到
。2.
如权利要求1所述的方法，其特征在于，所述分类模型采用
SVM
‑
SGD
算法训练得到，训练所述分类模型的步骤包括：针对各所述天线类别构建各所述天线类别的学习参数；根据所有天线类别的学习参数
w
l
构建所述分类模型；采用
SVM
‑
SGD
算法更新各所述类别对应的学习参数
。3.
如权利要求2所述的方法，其特征在于，每个所述天线类别的学习参数，通过以下方式构建：提取信道特征向量
d
并对所述信道特征向量
d
进行归一化处理，得到归一化特征向量
n
；至少根据关于所述归一化特征向量
n
的高斯核函数
f(n)
和天线选择矢量，构建学习参数
w
l
的目标函数；其中，所述毫米波
MIMO
系统在下一发射时隙的最佳发射天线为与选择参数的最大值关联的发射天线，所述选择参数为所述高斯核函数
f(n)
的值与各所述天线类别的学习参数的转置矩阵的乘积
。4.
如权利要求1所述的方法，其特征在于，所述根据所述
(t+
τ
d
)
时刻的信道状态信息
、
原始窃听信道矩阵
G
和分类模型，确定所述毫米波
MIMO
系统在下一发射时隙的最佳发射天线，包括：利用所述分类模型，根据所述
(t+
τ
d
)
时刻的信道状态信息和原始窃听信道矩阵计算保密性能指标参数；根据所述保密性能指标参数的最大值确定所述毫米波
MIMO
系统在下一发射时隙的最佳发射天线
。5.
如权利要求4所述的方法，其特征在于，所述保密性能指标参数为信道遍历保密容量，所述利用所述分类模型，根据所述
(t+
τ
d<...

【专利技术属性】
技术研发人员：陆海涛，杨立君，陈伯庆，戈昕超，倪云云，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：