公开(公告)号：CN111049559A

公开(公告)日：2020-04-21

申请号：CN201911106524.8

申请日：2019-11-13

Applicant: 东南大学

Inventor： 李潇 ,  孟声国 ,  杨浩 ,  熊龙辉 ,  何潜翔

IPC: H04B7/0456 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种利用位置信息的深度学习预编码方法，包括：获取个用户的位置信息和统计信道信息，计算各用户的水平及垂直最佳方向索引；构建判定用户水平及垂直方向索引的深度神经网络模型，将各用户位置信息输入到该模型，输出相应的水平及垂直方向索引；对该模型进行训练，使得该模型输出的方向索引逐渐接近最佳方向索引，以获得模型参数，由模型输出的水平和垂直方向索引确定其预编码向量。本发明可减小预编码向量计算复杂度，同时仅需要获得用户的位置信息，即可预测最优预编码向量且具有较高准确度，特别是在用户数和天线数较大时，能高效地实现下行预编码设计。

公开(公告)号：CN111049559B

公开(公告)日：2022-03-11

申请号：CN201911106524.8

申请日：2019-11-13

Applicant: 东南大学

Inventor： 李潇 ,  孟声国 ,  杨浩 ,  熊龙辉 ,  何潜翔

IPC: H04B7/0456 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种利用位置信息的深度学习预编码方法，包括：获取个用户的位置信息和统计信道信息，计算各用户的水平及垂直最佳方向索引；构建判定用户水平及垂直方向索引的深度神经网络模型，将各用户位置信息输入到该模型，输出相应的水平及垂直方向索引；对该模型进行训练，使得该模型输出的方向索引逐渐接近最佳方向索引，以获得模型参数，由模型输出的水平和垂直方向索引确定其预编码向量。本发明可减小预编码向量计算复杂度，同时仅需要获得用户的位置信息，即可预测最优预编码向量且具有较高准确度，特别是在用户数和天线数较大时，能高效地实现下行预编码设计。