[发明专利]一种无线信道状态信息获取方法

摘要

一种无线信道状态信息获取方法，属于无线与移动通信技术领域，其特征之一在于，包括以下步骤：对信道估计得到的大量信道信息数据样本进行统一格式处理，形成训练样本；将上述样本数据输入到预测神经网络中，得到针对此数据集的一组最优的参数；再辅助以预测效果判断得到当前预测精度的实际状态，如若预测精度不满足需求，则训练进一步优化参数；预测网络所得的信道状态信息将应用于发端。其特征之二在于，所提出的自适应结构超限学习机(Adaptive Structure Extreme Learning Machine,ASELM)算法，该算法可以自适应的调整网络的结构匹配信道数据的变化特点。

主权项

1.一种无线信道状态信息获取方法：自适应结构超限学习机(ASELM)算法；其特征在于，通过对超限学习机(Extreme Learning Machine,ELM)算法中隐藏神经元数量进行优化从而使得ELM的网络结构能够有效适应信道状态数据的变化特点，进而取得更优的预测效果；/n改进的ELM算法训练和预测过程如下：/n训练过程：设定需求预测精度，设定预测窗口的长度，算法通过设定一定长度的预测窗口和预测窗口的滑动步长来取得良好的预测效果，经过训练，算法可以根据预测的精度需求自适应的调节其内部的神经网络结构，从而实现预测精度和预测时间联合优化，由于满足需求的隐藏神经元个数在一定区间内预测误差相近；因此，可以认为在一定隐藏神经元数量区间内，任意隐藏神经元数量值处的预测结果可以近似认为是整个组所有隐藏神经元数量值的对应的预测效果；故而可以采取分组搜索的方式(此处设置一定区间内相邻隐藏神经元数量值为一组，每一组内任取隐藏神经元数量值为典型值)进行最佳隐藏神经元个数的快速搜索，通过对比不同隐藏神经元数量典型值所对应的测试集的归一化均方误差(Normal-Mean-Square Error,NMSE)值，来判定是否该典型值的预测效果达到了需求预测精度。如果达到需求预测精度则立即停止搜索新的参数，即找到满足精度需求的最小的典型值，实验证明，该训练过程所需时间小于1秒；/n预测过程：将算法的参数数设置为上面训练过程中得到的典型值，输出信道预测结果；经验证，每一个节点的预测时间一般小于0.1秒。/n