[发明专利]基于多任务学习的时间相关MIMO系统信道预测方法

摘要

本发明公开了一种基于多任务学习的时间相关MIMO系统信道预测方法，主要解决MIMO系统中信道由于时变特性导致的信道状态信息与信道不匹配的问题。其实现方案是：1)通过对信道测量得到时间相关的MIMO信道状态信息历史观测值；2)将不同发送接收天线对上的信道状态信息看作是不同的任务，同时输入多任务学习算法中进行共同学习，利用多天线之间的内在联系，获得更加充分的特征空间，得到多任务学习算法参数；3)将测试的信道状态信息数据和多任务学习算法参数共同输入到多任务学习算法中进行信道预测，得到预测的信道状态信息。本发明简单易行，效果良好，计算量小，可用于时间相关的MIMO系统中。

主权项

1.一种基于多任务学习的时间相关MIMO系统信道预测方法，其特征在于，包括：(1)在正式通信前通过对信道进行测量，得到Nt×Nr的MIMO系统的信道状态信息历史观测值h(1),h(2)…h(r)…h(M)，Nt表示MIMO系统发送天线的数目，Nr表示MIMO系统接收天线的数目，r为1到M的整数，M为样本序列总个数；(2)初始化多任务学习算法的模型参数：设置样本维度q；(3)根据(1)中得到的信道状态信息观测值，按照训练数据比例Q将信道状态信息观测值分为训练数据x1(n)和测试数据x2(n)，n为大于1的正整数；(4)根据(2)中的样本维度q，对训练数据x1(n)和测试数据x2(n)进行划分，分别得到训练数据的训练样本集xt(n)，期望输出集dt(n)和测试数据的测试样本集xs(n)，期望输出集ds(n)；(5)将训练数据的训练样本集xt(n)作为多任务学习算法的输入，将训练数据的期望输出集dt(n)作为多任务学习算法的输出，把训练数据x1(n)输入到多任务学习算法中进行训练，获得多任务学习算法模型参数拉格朗日乘数α和系数b；(6)将(4)中测试数据x2(n)的测试样本集xs(n)和(5)中得到的多任务学习算法模型参数拉格朗日乘数α和系数b，输入到多任务学习算法中，预测得到第M个时刻的信道状态信息的预测值。