[发明专利]一种基于卷积神经网络的混合波束形成方法

说明书

本发明公开了一种基于卷积神经网络的混合波束形成方法，包括以下步骤，仿真产生信道状态信息，求解每条信道状态信息下对应的最佳的模拟波束合成矩阵，数字波束合成矩阵、模拟波束形成矩阵和数字波束形成矩阵，以此生成数据集；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；针对模拟波束合成矩阵估计任务对网络进行训练，并保存训练后的模拟波束合成矩阵估计网络模型；将信道矩阵输入模拟波束合成矩阵估计网络中，输出模拟波束合成矩阵，得到数字波束合成矩阵、模拟波束形成矩阵和数字波束形成矩阵。本发明直接利用信道状态信息通过卷积神经网络输出最佳的模拟波束合成矩阵，降低了波束形成的复杂度。

技术领域

本发明属于混合波束形成技术领域，尤其涉及一种基于卷积神经网络的混合波束形成方法。

背景技术

为了弥补毫米波信号传播的路径损耗，在毫米波通信中可以利用大规模天线阵列波束形成技术来获得阵列增益和波束赋形增益，以此改善信号的传输质量，增大小区覆盖范围。传统的Sub-6G系统中采用的全数字波束形成技术需要为每根天线配备单独的射频链，这在毫米波大规模天线阵列系统中耗费的成本太高，硬件实现的难度很大。因此混合波束形成技术应运而生，混合波束形成将波束形成分为数字域和模拟域。在模拟波束形成部分，单个射频链通过移相器连接多根天线，从而大大减少了射频链的数量。并且通过精心的设计，混合波束形成可以逼近全数字波束形成的性能，因此混合波束形成技术可以实现波束形成成本和性能之间的平衡，从而得到了广泛的研究。

传统的混合波束形成设计问题通常以最大化系统频谱效率为目标，建立求解优化问题。例如在现有的算法中，一种方法是利用毫米波信道的稀疏性，将混合波束形成优化问题建立为稀疏重构问题，基于正交匹配追踪进行混合波束形成设计。然而传统的混合波束形成算法往往需要大量的迭代运算，计算复杂度很高。

发明内容

本发明目的在于提供一种基于卷积神经网络的混合波束形成方法,以解决传统的混合波束形成算法往往需要大量的迭代运算，计算复杂度很高的技术问题。

为解决上述技术问题，本发明的具体技术方案如下：

一种基于卷积神经网络的混合波束形成方法，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。

进一步的，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：