一种大规模MIMO下基于深度学的码本选择方法

摘要

本发明涉及一种大规模MIMO(Multiple‑Input Multiple‑Output，多输入多输出)下基于深度学的码本选择方法，属于无线通信技术领域。该方法包括：采集测试区的导频信息构建导频训练序列，进而得到导频训练样本；对导频训练样本进行神经网络迭代学，得到最终的网络权重值；根据学后的神经网络输出的信道，从完备码本中选出最优码字。之后将未知区与测试区进行信道信息匹配，得到其无线信道，进而得到与无线信道对应的码字。本发明能有效、准确、快速地建立无线信道模型与码本查询，避免了未知区的信道估计且大大降低了未知区信道选择码本的复杂度。

主权项

一种大规模MIMO下基于深度学习的码本选择方法，其特征在于：该方法包括以下步骤：S1：信息采集步骤：由信息采集系统采集测试区内用户端的导频信息；S2：获取训练样本：根据导频信息构建导频训练序列，进而得到导频训练样本；S3：初始化神经网络：初始化神经网络模型参数；S4：神经网络学习：由导频训练样本进行神经网络深度学习，得到最终的网络权重值；S5：构造完备码本：用改进的DFT(Discrete FourierTransform，离散傅里叶变换)方法构造适合所有信道状态的码本；S6：码字选择：根据学习后的神经网络输出的信道，从完备码本中进行码字选择；S7：相关关系的建立：构建所述测试区的导频信息与无线信道特性信息间的相关关系；S8：信道匹配步骤：将未知区的信道与已有的无线信道匹配，进而选出未知区的信道对应的码字。