【技术实现步骤摘要】
本专利技术涉及无线移动通信，尤其涉及一种基于无线地图的下行无物理层信道反馈传输方法。
技术介绍
1、随着移动通信需求的激增，多天线系统被广泛部署以提供高效的频谱传输，从而满足更严格的业务需求。当前，5g的多天线传输基于码本，需要反馈信息以使发射机了解信道情况，以便对加载到不同天线的原始信号进行预编码。然而，考虑到实际环境中信道的不断变化，用于预编码的反馈信息可能会过时，导致性能下降，特别是在信道迅速变化的移动场景中。此外，在全解耦的无线接入网(fd-ran)中，上行基站(ubss)和基站(dbss)是物理解耦的，由于广域内的用户共享同一个控制基站，用于反馈的传输资源将更加稀缺。因此，探索一种新的大规模mimo传输机制势在必行。
2、目前，自编码器技术和基于深度学习的信道状态信息压缩技术都受到了学术界的广泛关注。yin等人提出了一种基于自信息模型的csi压缩反馈网络。但是，这些工作仍然是基于信道的实时反馈，不能解决由延迟和信道变化引起的过时的信道反馈的挑战。基于位置的预编码技术由于用户所在位置的信道相对稳定的统计特性而引起了学术界的极大兴趣。但是，大多数基于深度学习的解决方案都是基于实值神经网络(rvnn)，这可能会导致性能下降，因为忽略了in-phase and quadrature(iq)分量之间的相关性。复值神经网络(complex-valued neural networks,cvnn)由于其优越的性能和直接处理复值数据的能力，已被应用于不同的通信场景，包括信号调制分类、信道预测、ofdm接收机等。具有复值输入
3、即目前主要存在以下问题：在全解耦网络中，上行基站和基站是物理解耦的，广域内的用户共享同一个控制基站，用于反馈的传输资源稀缺；许多研究是基于信道的实时反馈，不能解决由延迟和信道变化引起的过时的信道反馈问题；大多数基于深度学习的解决方案是基于实值神经网络(rvnn)，忽略了in-phase and quadrature(iq)分量之间的相关性，这可能会导致性能下降。
4、因此，提出一种基于无线地图的下行无物理层信道反馈传输方法，来解决现有技术存在的困难，是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于无线地图的下行无物理层信道反馈传输方法，通过提出面向无物理层信道反馈的下行传输机制，并设计基于无线地图的复数预编码网络，以提高无线通信物理层信息传输效率。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、一种基于无线地图的下行无物理层信道反馈传输方法，包括以下步骤：
4、s1.获取用户k在空间域移动时的用户位置信息，将用户位置信息上传至边缘云；
5、s2.边缘云将用户位置信息输入基于无线地图的复数预编码网络中；
6、s3.复数预编码网络生成用户k的预编码决策wk，并将预编码决策wk传输至基站；
7、s4.基站执行预编码决策wk，用于实现物理层信息传输。
8、上述的方法，可选的，s1中用户位置信息包括位置信息pk和基于位置信息pk对应获取的信道统计信息
9、上述的方法，可选的，信道统计信息是指整个关注区域内任意位置的信道二阶统计量，包括发射相关矩阵rt(p)、接收相关矩阵rr(p)和信道衰落矩阵μ(p)；
10、假设g∈cn×m为波束域信道矩阵、其元素为零均值且独立分布，则rt(p)的表达式为：
11、
12、式中，e为为求数学期望操作，r为实数域，m为基站天线数量、也是所得矩阵的维度；
13、用户与基站之间的相干mimo信道为h＝ugvh，其中u和v是信道的确定性酉矩阵，则rr(p)的表达式为：
14、
15、式中，n为用户天线数量，也是所得矩阵的维度；
16、μ(p)的元素表示不同发射天线到不同接收天线之间的信道系数，这些系数反映了信号在传输过程中的衰减和相位变化，用于描述信道的衰落特性，μ(p)的表达式为：
17、
18、上述的方法，可选的，s3中复数预编码网络以用户k的用户位置信息为输入，以用户k的预编码决策wk为输出。
19、上述的方法，可选的，s3中复数预编码网络包含异构多模态输入信息和多层融合信息处理机制；
20、异构多模态输入信息包含pk，rt(p)，rr(p)，μ(p)；
21、多层融合信息处理机制包括输入层、特征提取层堆栈、特征融合堆栈和输出层。
22、上述的方法，可选的，s3中复数预编码网络生成用户k的预编码决策wk的具体内容包括以下步骤：
23、s31.将四种信号pk，rt(p)，rr(p)，μ(p)输入输入层；
24、s32.针对特征提取层堆栈，四种信号分别输入到四个独立的复数特征提取子网，获取不同模态的embedding特征向量；
25、s33.针对特征融合层，利用flatten层将不同模态的编码进行融合，然后利用复数批归一化对融合后的编码进行复归一化，多模信息融合后，再通过多层的复数处理层对融合的特征进行处理；
26、s34.在输出层时，对cprelu的结果进行归一化处理，复数预编码网络输出归一化的预编码wk。
27、上述的方法，可选的，s33中复数处理层包括复数全连接层和复数激活函数层；
28、复数全连接层对特征的实部和虚部分别进行处理，用于将上一层的输出特征整合到当前层的每个神经元；
29、复数激活函数层将单独的prelu应用于神经元的实部和虚部分别进行处理，用于实现复激活。
30、经由上述的技术方案可知，与现有技术相比，本专利技术提供了一种基于无线地图的下行无物理层信道反馈传输方法，具有以下有益效果：
31、(1)基于信道的空间域统计信息结合用户的准实时位置实现多天线传输，成功避免了由信道反馈占用大量传输资源所带来的问题；
32、(2)特别适用于具有信道高度动态性的大规模mimo通信场景的高速铁路通信，或者在某些情况下难以实现准确信道反馈的卫星通信；
33、(3)通过提出面向无物理层信道反馈的下行传输机制，并设计基于无线地图的复数预编码网络，有效提高了无线通信物理层信息传输效率。
本文档来自技高网...【技术保护点】
1.一种基于无线地图的下行无物理层信道反馈传输方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于无线地图的下行无物理层信道反馈传输方法，其特征在于，
3.根据权利要求2所述的一种基于无线地图的下行无物理层信道反馈传输方法，其特征在于，
4.根据权利要求1所述的一种基于无线地图的下行无物理层信道反馈传输方法，其特征在于，
5.根据权利要求1所述的一种基于无线地图的下行无物理层信道反馈传输方法，其特征在于，
6.根据权利要求1或5所述的一种基于无线地图的下行无物理层信道反馈传输方法，其特征在于，
7.根据权利要求6所述的一种基于无线地图的下行无物理层信道反馈传输方法，其特征在于，
【技术特征摘要】
1.一种基于无线地图的下行无物理层信道反馈传输方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于无线地图的下行无物理层信道反馈传输方法，其特征在于，
3.根据权利要求2所述的一种基于无线地图的下行无物理层信道反馈传输方法，其特征在于，
4.根据权利要求1所述的一种基于无线地图的下行无...
【专利技术属性】
技术研发人员：赵纪伟，朱力，郑斌，于全，周海波，陈红胜，鲁焕，
申请(专利权)人：浙江大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。