[发明专利]基于深度复数网络的固定子阵空基毫米波波束成形方法

权利要求书

1.一种基于深度复数网络的固定子阵空基毫米波波束成形方法，其特征在于，包括以下步骤：

S1、根据空基毫米波通信系统的窄带快衰落传输特性，建立空基毫米波MIMO信道固定子阵波束模型，将复杂的多天线毫米波信号传输抽象为与发送端天线阵列传输码流向量S、接收端处理后的接收信号窄带信道矩阵H、数字预编码矩阵射频预编码矩阵数字合并矩阵射频合并矩阵平均接收功率ρ，以及噪声向量相关n的矩阵函数关系；

S2、设置9层复数神经网络；

所述步骤S2中9层复数神经网络包括：输入层、第一复全连接层、第二复全连接层、第三复全连接层、第四复全连接层、第五复全连接层、第六复全连接层、第七复全连接层和输出层；所述9层复数神经网络的每层均包括1～N^[l]个实部神经元和(N^[l]+1)～2N^[l]个虚部神经元，N^[l]为第l复全连接层实部神经元总数目；

S3、根据已知完整信道状态信息，得到包括发送端天线阵列传输码流向量S、接收端处理后的接收信号窄带信道矩阵H、平均接收功率ρ和噪声向量相关n在内的训练集数据，通过反向传播梯度下降算法，对9层复数神经网络进行机器学习，得到训练完成的神经网络；

S4、根据窄带信道矩阵H和发射端天线导向向量A_t，通过训练完成的神经网络，得到数字预编码矩阵和射频预编码矩阵

S5、通过数字信号处理器，根据数字预编码矩阵对发送端天线阵列传输码流向量S进行数字预编码，得到数字预编码信号流S_BB；

S6、通过移相器，根据射频预编码矩阵对数字预编码信号流S_BB进行射频预编码，得到毫米波波束X；

S7、根据窄带信道矩阵H和接收端天线导向向量A_r，通过训练完成的神经网络，得到数字合并矩阵和射频合并矩阵

S8、通过移相器，根据射频合并矩阵对毫米波接收信号Y进行射频接收处理，得到接收信号流Y_BB，所述毫米波接收信号Y为毫米波波束X在传输过程中受到信道干扰和噪声之后的传递到接收端天线的信号；

S9、通过数字信号处理器，根据数字合并矩阵对接收信号流Y_BB进行基带接收处理，得到接收端处理后的接收信号

2.根据权利要求1所述的基于深度复数网络的固定子阵空基毫米波波束成形方法，其特征在于，所述步骤S1的空基毫米波MIMO信道固定子阵波束模型包括以下矩阵函数：

其中，S为发送端天线阵列传输码流向量，为接收端处理后的接收信号，H为窄带信道矩阵，为数字预编码矩阵，为射频预编码矩阵，为数字合并矩阵，为射频合并矩阵，ρ为平均接收功率，n为噪声向量，γ为归一化因子，α_il为电磁波在无线信道中第i个散射簇的第l个散射路径的复数增益，和分别为水平向的到达角和离开角，和分别为垂直向的到达角和离开角，和分别为不同到达角和离开角组合对应的接收或发射天线增益，为在水平向相应到达角和离开角组合条件下的归一化接收阵列响应向量，为在垂直向相应到达角和离开角组合条件下的归一化发射阵列相应向量，N_r为接收端天线数量，N_t为发射端天线数量，为发射端射频链路数量，为接收端射频链路数量，D为固定子阵数量，为射频预编码固定子阵向量，为射频合并固定子阵向量。

3.根据权利要求1所述的基于深度复数网络的固定子阵空基毫米波波束成形方法，其特征在于，所述实部神经元的节点表达式为：

其中为第l全连接层第j个实神经元节点函数，为实权值，为虚权值，为第l-1全连接层第i个实神经元节点输出值，为实偏置，为第l-1全连接层第N^[l-1]+i个虚神经元节点输出值，为虚偏置。

4.根据权利要求3所述的基于深度复数网络的固定子阵空基毫米波波束成形方法，其特征在于，所述虚部神经元的节点表达式为：

其中，为第l全连接层第N^[l]+j个虚神经元节点函数。