[发明专利]一种多载波MIMO系统的混合波束成形优化方法及系统

权利要求书

1.一种多载波MIMO系统的混合波束成形优化方法，包括：

构建多载波混合波束成形神经网络，并利用多个子载波信号样本对所述多载波混合波束成形神经网络进行微调，以使所述微调后的多载波混合波束成形神经网络形成多个子载波输入信号到多个混合波束成形优化后的子载波输出信号的非线性映射；其中，所述多载波混合波束成形神经网络包括：位于发射端网络的多层全连接基带波束成形神经网络、信号并串转换模块、以及单层共用模拟波束成形神经网络；位于接收端网络的单层共用模拟结合神经网络、信号串并转换模块、以及多层全连接基带结合神经网络；

将多个子载波输入信号输入至所述多载波混合波束成形神经网络中，得到混合波束成形优化后的多个输出信号；

其中，所述构建多载波混合波束成形神经网络，具体包括：

步骤1，建立多载波混合波束成形神经网络模型，所述神经网络模型中包括：位于发射端网络的多个基带波束成形子神经网络和多个模拟波束成形子神经网络；位于接收端网络的多个基带结合子神经网络和多个模拟结合子神经网络；

步骤2，利用多个子载波信号样本对所述多载波混合波束成形神经网络当前模型进行训练，当训练次数达到预设训练次数后，将所述多个模拟波束成形子神经网络的当前网络参数进行合并，得到第一合并网络参数；将所述多个模拟结合子神经网络的当前网络参数进行合并，得到第二合并网络参数；将所述第一合并网络参数赋值到所述多个模拟波束成形子神经网络中，使所述多个模拟波束成形子神经网络的当前网络模型更新一次；并将所述第二合并网络参数赋值到所述多个模拟结合子神经网络中，使所述多个模拟结合子神经网络的网络模型更新一次；

步骤3，判断所述多个模拟波束成形子神经网络以及所述多个模拟结合子神经网络的网络模型更新次数是否达到最大更新次数；若未达到最大更新次数，则得到更新后的多载波混合波束成形神经网络模型，并返回步骤2；若达到了所述最大更新次数，则输出所述第一合并网络参数的当前值和第二合并网络参数的当前值、以及所述多载波混合波束成形神经网络当前模型中的其他网络参数；

步骤4，基于步骤3输出的第一合并网络参数值和第二合并网络参数值、以及所述多载波混合波束成形神经网络当前模型中的其他网络参数值构建所述多载波混合波束成形神经网络。

2.根据权利要求1所述的方法，其特征在于，所述步骤4具体包括：

以步骤3输出的多载波混合波束成形神经网络模型中的多个基带波束成形子神经网络的网络参数值建立多层全连接基带波束成形神经网络，在所述基带波束成形神经网络后连接一个信号并串转换模块，再以步骤3输出的第一合并参数值为最优参数建立单层共用模拟波束成形神经网络，从而构建所述多载波混合波束成形神经网络的发射端网络；

以输出的第二合并参数的当前值为最优参数建立单层共用模拟结合神经网络；在所述单层共用模拟结合神经网络后加入一个信号串并转换模块，再以步骤3输出的多载波混合波束成形神经网络模型中的多个基带结合子神经网络建立多层全连接基带结合神经网络，从而构建所述多载波混合波束成形神经网络的接收端网络。

3.根据权利要求2所述的方法，其特征在于，所述利用多个子载波信号样本对所述多载波混合波束成形神经网络进行微调，具体为：

保持所述单层共用模拟波束成形神经网络、以及所述单层共用模拟结合神经网络的网络参数不变，利用多个子载波信号样本调整所述多层全连接基带波束成形神经网络、以及所述多层全连接基带结合神经网络的网络参数。

4.根据权利要求1所述的方法，其特征在于，在所述将多个子载波信号样本输入至所述多载波混合波束成形神经网络当前模型中进行训练的过程中，在相应的损失函数中增加子载波优先权系数，以调整子载波之间的优先级。