【技术实现步骤摘要】
本专利技术涉及无线通信，尤其涉及一种非对称架构中基于深度学习的信道估计方法。
技术介绍
1、在目前广泛部署的第五代移动通信系统以及即将到来的第六代移动通信系统中，大规模多输入多输出(multi-inputmulti-output,mimo)技术因其在容量、频谱效率和可靠性方面的出色性能已经成为关键技术之一。为了满足不断增长的速率和可靠性需求，人们希望进一步扩大mimo阵列的规模，但随之而来的硬件成本，数据处理负担以及功耗要求限制了大规模mimo技术的进一步发展。为了降低大规模全数字架构的部署成本和硬件复杂度，同时也为了减少混合波束成形架构中由于低分辨率造成的信号信息损失，文献“designand implementation of a full-digital beamforming array with nonreciprocal tx/rx beam patterns”(《ieeeantennas wireless propagation letters》，19卷，11期，2020年11月)提出了一种解耦收发端射频链的非对称结构。这种特殊的架构不仅减轻了通信系统数据处理的负担，而且降低了整个系统的功耗。同时由于上下行射频链数量的不一致，在时分双工模式下的信道互易性就不能直接应用，这给非对称系统的下行信道估计带来了困难。目前已经有研究者提出了针对非对称系统的下行信道估计方法，但这些方法多是基于迭代算法来估计信号的到达角度，会带来极大的计算复杂度，例如，能够获得较好估计精度的牛顿化正交匹配追踪算法，该算法需要设计信号角度范围内的
技术实现思路
1、鉴于上述现有存在的问题，提出了本专利技术。
2、因此，本专利技术提供了一种非对称架构中基于深度学习的信道估计方法，克服现有技术的缺陷，同时利用人工智能的优势，该方法可在避免传统迭代算法过大运算量的同时，能够获得与其相当的估计性能，并有效降低基站的硬件与能耗成本。
3、为解决上述技术问题，本专利技术提供如下技术方案，一种非对称架构中基于深度学习的信道估计方法，包括：
4、设计基于嵌套稀疏阵列拓扑结构的上行接收阵列，利用虚拟阵列插值方法将稀疏阵列接收到的信号恢复成完整维度的虚拟阵列信号；使用泰勒公式将获得的虚拟信号分解为在网格部分和离网格部分，设计两步角度估计网络ts-aenet估计信号到达角角度；将接收到的信号数据集输入预处理层进行处理后，在训练集上采用有监督学习方式离线训练神经网络，然后在线部署训练好的ts-aenet估计信号角度，并求解最小二乘问题估计信号路径增益，重建下行信道。
5、作为本专利技术所述的非对称架构中基于深度学习的信道估计方法的一种优选方案，其中：所述基于嵌套稀疏阵列拓扑结构的上行接收阵列包括一个配有m根天线的均匀线性阵列和一个单天线用户；在均匀线性阵列中，每根天线都连接一根发射射频链用于下行信号发射，但只有n(n＜m)根天线连接了接收射频链用于上行信号接收，索引表示为s＝{p1,p2,…,pn}，其中，pi∈{0,1,…,m-1}，且当i＝j时pi≠pj，pi和pj都表示s中任意一个元素；考虑一个多路径的场景，基站天线阵列接收来自l个独立同分布路径的信号；将上行信道建模为毫米波信道，表示为：
6、
7、其中，αl表示第l条路径的增益，θl表示第l条路径的到达角角度，j表示，aul(θl)表示第l条路径在基站处的上行导向矢量，维度为n×1，被定义为：
8、
9、其中，d表示两个相邻天线元件之间的间距，λ表示电磁波波长；由用户发送全1导频，则基站处接收信号为：
10、
11、其中，ω是服从的加性高斯白噪声，表示噪声功率，in是维度为n的单位矩阵，表示均值为μ，协方差为σ的高斯分布。
12、作为本专利技术所述的非对称架构中基于深度学习的信道估计方法的一种优选方案，其中：所述基于嵌套稀疏阵列拓扑结构的上行接收阵列还包括，采用嵌套阵列结构作为非对称系统的上行接收阵列；嵌套阵列由两个天线元件间距不同的子阵列组成，其中子阵1由n个天线元件构成，子阵2由m个天线元件构成；子阵1是均匀线性阵列，天线间距为d；子阵2的两个相邻天线元件之间嵌套一个子阵2，所以天线间距为(n+1)d；
13、设置嵌套阵列结构的天线索引为其中，子阵列1的索引为{0,1,…,n-1}，子阵列2的索引为{n,2n+1,…,m(n+1)-1}，将当前索引集合对应的天线连接上行接收射频链；获得基站天线总数m＝m(n+1)，上行接收阵列天线数为n＝m+n。
14、作为本专利技术所述的非对称架构中基于深度学习的信道估计方法的一种优选方案，其中：所述利用虚拟阵列插值方法包括，计算接收信号的协方差矩阵为：
15、
16、其中，上角标h表示共轭转置；在实际情况中ry通过采样协方差的方式获得，且其中k为采样数；
17、提取协方差矩阵中的元素恢复完整信号；由于存在的计算过程，从而协方差矩阵ry中位于第pi行第pj列的元素含有相位差部分其中定义其中的非负元素pi-pj集合为：
18、
19、接下来提取集合中元素对应的协方差元素值，填补稀疏阵列接收信号中因天线元件缺失而形成的信号空洞；当上行接收阵列中索引为“3”的天线没有连接接收射频链时，就无法接收到信号，通过找到集合中元素“3”对应的ry中协方差元素值填补在当前位置上缺失的接收信号，构造一个维度为m的虚拟均匀线性阵列，其中重构的虚拟阵列信号表示为：
20、
21、其中，表示维度为m×l的重构阵列导向矩阵，adl(θ)＝[adl(θ1),adl(θ2),…,adl(θl)]表示全部l条路径信号的下行阵列导向矩阵，表示第l条路径信号的下行阵列导向矢量；表示维度为l×1的功率矢量；表示重构的噪声项，e0表示按照上述方法重构虚拟信号时矩阵in的变形。
22、作为本专利技术所述的非对称架构中基于深度学习的信道估计方法的一种优选方案，其中：所述将获得的虚拟信号分解包括，构造一个q维过完备角度集合{θ1,θ本文档来自技高网...
【技术保护点】
1.一种非对称架构中基于深度学习的信道估计方法，其特征在于：包括，
2.如权利要求1所述的一种非对称架构中基于深度学习的信道估计方法，其特征在于：所述基于嵌套稀疏阵列拓扑结构的上行接收阵列包括一个配有M根天线的均匀线性阵列和一个单天线用户；在均匀线性阵列中，每根天线都连接一根发射射频链用于下行信号发射，但只有N(N＜M)根天线连接了接收射频链用于上行信号接收，索引表示为其中，pi∈{0,1,…,M-1}，且当i＝j时pi≠pj，pi和pj都表示中任意一个元素；考虑一个多路径的场景，基站天线阵列接收来自L个独立同分布路径的信号；将上行信道建模为毫米波信道，表示为：
3.如权利要求2所述的一种非对称架构中基于深度学习的信道估计方法，其特征在于：所述基于嵌套稀疏阵列拓扑结构的上行接收阵列还包括，采用嵌套阵列结构作为非对称系统的上行接收阵列；嵌套阵列由两个天线元件间距不同的子阵列组成，其中子阵1由n个天线元件构成，子阵2由m个天线元件构成；子阵1是均匀线性阵列，天线间距为d；子阵2的两个相邻天线元件之间嵌套一个子阵2，所以天线间距为(n+1)d；
4.
5.如权利要求4所述的一种非对称架构中基于深度学习的信道估计方法，其特征在于：所述将获得的虚拟信号分解包括，构造一个Q维过完备角度集合{θ1,θ2,…,θQ}，集合{θ1,θ2,…,θQ}将一个角度范围平均分成Q个网格值，使用一阶泰勒公式阵列导向矩阵的第l列分解为在网格部分和离网格部分，具体如下：
6.如权利要求5所述的一种非对称架构中基于深度学习的信道估计方法，其特征在于：所述设计两步角度估计网络包括两个子网络，在网格角度估计神经网络和离网格角度估计神经网络，分别估计在网格角度和离网格角度；
7.如权利要求6所述的一种非对称架构中基于深度学习的信道估计方法，其特征在于：所述采用有监督学习方式离线训练两个神经网络包括，
8.如权利要求7所述的一种非对称架构中基于深度学习的信道估计方法，其特征在于：所述求解最小二乘问题估计信号路径增益包括，
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在相同5于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种非对称架构中基于深度学习的信道估计方法，其特征在于：包括，
2.如权利要求1所述的一种非对称架构中基于深度学习的信道估计方法，其特征在于：所述基于嵌套稀疏阵列拓扑结构的上行接收阵列包括一个配有m根天线的均匀线性阵列和一个单天线用户；在均匀线性阵列中，每根天线都连接一根发射射频链用于下行信号发射，但只有n(n＜m)根天线连接了接收射频链用于上行信号接收，索引表示为其中，pi∈{0,1,…,m-1}，且当i＝j时pi≠pj，pi和pj都表示中任意一个元素；考虑一个多路径的场景，基站天线阵列接收来自l个独立同分布路径的信号；将上行信道建模为毫米波信道，表示为：
3.如权利要求2所述的一种非对称架构中基于深度学习的信道估计方法，其特征在于：所述基于嵌套稀疏阵列拓扑结构的上行接收阵列还包括，采用嵌套阵列结构作为非对称系统的上行接收阵列；嵌套阵列由两个天线元件间距不同的子阵列组成，其中子阵1由n个天线元件构成，子阵2由m个天线元件构成；子阵1是均匀线性阵列，天线间距为d；子阵2的两个相邻天线元件之间嵌套一个子阵2，所以天线间距为(n+1)d；
4.如权利要求3所述的一种非对称架构中基于深度学习的信道估计方法，其特征在于：所述利用虚拟阵列插值方法包括，计算接收信号的协方差矩阵为...
【专利技术属性】
技术研发人员：张军，汪红旗，刘丽哲，夏文超，金石，李勇，王斌，杨朔，
申请(专利权)人：南京邮电大学，
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。