[发明专利]远场无线充电发射策略系统、发射机及网络协调器

权利要求书

1.一种远场无线充电系统中深度神经网络发射策略系统，其特征在于，包括：

训练模块，根据发射机的数量对神经网络进行训练；

反馈模块，发射机向接收机发送探测信号，接收机收到探测信号后发送反馈信号；

协方差矩阵系数生成模块，发射机收到反馈信号后根据训练后的神经网络生成协方差矩阵系数；以及

最佳的发射协方差矩阵生成模块，发射机根据协方差矩阵系数生成最佳的发射协方差矩阵，并发送至接收机。

2.如权利要求1所述的远场无线充电系统中深度神经网络发射策略系统，其特征在于，

所述训练模块适于根据发射机的数量对神经网络进行训练，即

当发射机为1个时，对于接收机k＝1,2,…,K，生成相应的信道矩阵以模拟实际信道向量，其中M_t为发射机天线数量；

对于每一个接收机，每一个信道分量信息表示为

其中，A_ki为幅度值；θ_ki为相位，取值范围为[-π,π]；i为第i根天线；

对于每个信道分量，生成预设组数的不同幅度值和不同相位；

发射机获取最佳的发射协方差矩阵Q₀，使其最大化最小的接收机接收功率

其中，E_k＝g_kQ₀g_k；

发射机的发射功率为P，将最佳的发射协方差矩阵分解为Q₀＝Pww^H；

其中，w为发射权重数组；w^H为w的共轭转置；w_i为第i根天线发射权重；B_i为信号幅度，通过发射机随机发射一个探测信号，接收机反馈功率信号时获取；Φ为协方差矩阵系数集合，

以协方差矩阵系数集合Φ作为神经网络的输出，神经网络的输入为接收机发送回发射机的反馈信号E＝{E¹,E²,E³}，E¹为第一组反馈信号，E²为第二组反馈信号，E³为第三组反馈信号，每一组反馈信号包含K个数据；

在生成所有训练数据之后，对神经网络进行训练；

对神经网络的层数、每层的节点数和学习速率进行设置；

神经网络的输入层与输入数据直接相关，输入数据为反馈信号E＝{E¹,E²,E³}；

神经网络的输出层为协方差矩阵系数集合

N_L为神经网络的总层数；为第l层第i个神经元节点的输出；为第l层第i个节点的偏差系数；为第l-1层第j个节点和第l层第i个节点之间的权重；为第l层的输出向量，其中n_l为第l层的大小，u^l＝E；第l-1层中与第l层中第i个节点相连的节点的加权输出之和和偏差系数为：

根据相应激活函数，输出节点为：

代价函数为：

根据梯度下降法最小化代价函数，梯度下降法为：

其中，为的估计值；为训练过程第n次迭代的的估计；μ为步长；

第l层第i个节点的输出误差为：

代价函数J关于权重和偏差系数的偏导数为：

对于训练数据中的每个输入，神经网络计算对应的输出，将神经网络实际输出与最佳输出Q₀进行比较以生成代价函数J，计算误差后传播回之前的层，对权重和偏差进行调整直至误差不再减小，完成神经网络的训练。