[发明专利]一种基于卷积神经网络的混合波束形成方法

权利要求书

1.一种基于卷积神经网络的混合波束形成方法，其特征在于，包括以下步骤：

步骤1、设置仿真参数，仿真产生信道状态信息；以最大化系统频谱效率为目标，将发射端和接收端解耦，求解每条信道状态信息下对应的模拟波束合成矩阵W_RF，数字波束合成矩阵W_BB、模拟波束形成矩阵F_RF和数字波束形成矩阵F_BB，以此生成数据集；

步骤2、搭建模拟波束合成矩阵估计网络模型，初始化模拟波束合成矩阵估计网络的参数；

步骤3、针对模拟波束合成矩阵估计任务对网络进行训练，以二元交叉熵损失函数作为监督，采用随机梯度下降法进行训练，当损失函数下降收敛后结束训练并保存训练后的模拟波束合成矩阵估计网络模型；

步骤4、利用训练好的模拟波束合成矩阵估计网络，基于信道状态信息预测模拟波束合成矩阵W_RF，接着根据步骤1得到数字波束合成矩阵W_BB、模拟波束形成矩阵F_RF和数字波束形成矩阵F_BB；

所述步骤1还包括以下步骤：

步骤1.1、设置具体的仿真参数，发射天线数为N_t，接收天线数为N_r，散射径成簇的个数为N_cl，每个簇内路径的数目为N_ray，仿真产生信道状态信息；

步骤1.2、对信道矩阵H进行奇异值分解得到最佳的全数字波束形成矩阵F_opt；

步骤1.3、发射端采用波束形成矩阵F_opt，得到系统频谱效率为：

其中，代表维度为N_s×N_s的单位矩阵，N_s为数据流数，P为平均接收功率，R_n为接收噪声的协方差矩阵，为R_n的逆矩阵，和H^H分别为W_BB、W_RF、F_opt和H的共轭转置矩阵；

步骤1.4、所有模拟波束合成矩阵的每一列都是从A_r中选取得来，A_r为包含所有接收天线阵列响应向量的矩阵，从而计算模拟波束合成矩阵W_RF候选集合的大小N_cl为散射径成簇的个数，N_ray为每个簇内路径的数目，N_RF为射频链个数，Qw表示从N_clN_ray个元素中取出N_RF个元素的组合总数，最后得到候选集合

步骤1.5、对候选集合中每一个模拟波束合成矩阵通过最小化发送数据流和接收信号的均方误差求解对应的数字波束合成矩阵：

其中，P_r为接收信号功率，代表维度为N_r×N_r的单位矩阵，N_r为接收天线个数，为噪声功率；最小均方误差P_t为发送数据流功率，代表维度为N_s×N_s的单位矩阵，N_s为数据流数；

根据步骤1.3计算此时的系统频谱效率为：

步骤1.6、找到使得系统频谱效率最大的模拟波束合成矩阵和数字波束合成矩阵的和则有

步骤1.7、计算等效的接收信道矩阵为W_RF的共轭转置矩阵，接着得到模拟波束形成矩阵angle()表示对括号内矩阵的每一个元素计算相位；最后计算等效信道矩阵对H_equ进行奇异值分解得到数字波束形成矩阵F_BB。