[发明专利]一种基于深度学习的MIMO系统波束成形矩阵设计方法有效
| 申请号： | 201910014714.0 | 申请日： | 2019-01-08 |
| 公开（公告）号： | CN109617584B | 公开（公告）日： | 2021-12-21 |
| 发明（设计）人： | 朱洪波;夏文超;郑淦;张军 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | H04B7/0456 | 分类号： | H04B7/0456;H04B7/06;H04B7/08;H04B17/391 |
| 代理公司： | 南京苏科专利代理有限责任公司 32102 | 代理人： | 姚姣阳 |
| 地址： | 210023 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度学习的MIMO系统波束成形矩阵设计方法，步骤如下，首先利用已知算法获得深度学习网络所需要的训练样本集；接着构建深度学习神经网络模型，初始化模型相关参数并利用训练样本集进行训练；然后利用导频获取信道送入神经网络预测出波束成形矩阵系数，最后将信道与波束成形矩阵系数组合，构成波束成形矩阵。该方法利用深度学习神经网络获得的波束成形矩阵能够同时兼顾性能与算法复杂度，可以在保证性能的前提下降低时延，使得MIMO系统能提供实时服务。 | ||
| 搜索关键词： | 一种 基于 深度 学习 mimo 系统 波束 成形 矩阵 设计 方法 | ||
【主权项】：
1.一种基于深度学习的MIMO系统波束成形矩阵设计方法，其特征在于，包括如下步骤：S1、利用已知算法获取深度学习网络所需的训练样本集，所述训练样本集包括作为输入数据集的信道矩阵集合，以及作为输出数据集的波束成形矩阵系数集合。S2、构建深度学习神经网络模型，并初始化模型参数；S3、利用S1中的样本集训练S2中构建的深度学习神经网络模型，训练完成后保存模型；S4、用户发送导频，基站通过导频来估计信道矩阵；S5、将S4中获取的信道矩阵输入S3中保存的模型进行预测，获取波束成形矩阵系数；S6、根据S4获取的信道矩阵及S5中获取的波束成形矩阵系数，构建波束成形矩阵。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910014714.0/，转载请声明来源钻瓜专利网。
